基于替代和迁移策略的改进遗传算法

摘要

简单遗传算法仅靠变异产生新的数值,故其搜索精确度不高、收敛速度慢,稳定性差,且易发生"早熟"现象。为解决上述问题,利用替代的方法确保每代中最适应的个体总是被传播到下一代,有条件地保留了最佳个体;并采用子种群迁移策略,引进新种群,解决种群中个体多样性的问题,既保证个体的多样性,也提高解的精确度。通过对多峰函数进行仿真,结果表明采用新的策略后,GA的收敛快速性和全局收敛性都有了明显的改善。将改进的遗传算法用于优化冷轧轧制力预报模型中BP神经网络的参数,仿真结果表明改进型遗传算法改善了标准遗传算法的局部搜索能力,同时,也加快了算法的收敛速度。经优化的BP网络预报精度(0%~6%)较传统理论计算精度(0%~44%)也有明显提高。