利用个体三种属性的遗传算法研究

摘要

传统遗传算法寻优时存在“早熟收敛”、后期搜索效率低，以及难于平衡选择压力和保持种群多样性的问题。用欧式距离定义子代个体C和种群P中个体的相似性，度量个体对种群多样性贡献的大小。将子代和父代的适应度看作随机变量，定义子代和父代的相关系数，用来度量子代从父代所得信息量的多少。将对种群多样性贡献较高且与父代较为相似的个体引入到种群中，既提高种群多样性，又让算法寻优更有依据，防止算法变成随机搜索，从而改进解的质量。这不但同时提高算法求精和求泛的能力，而且较好平衡选择压力和种群多样性。最后将自适应交叉变异概率用于遗传操作，让其随种群个体适应度的变化而变化。仿真实验表明，替代策略和自适应交叉变异概率对平衡选择压力和保持种群多样性效果较好，降低“早熟收敛”的可能性，而且加快进化速度。