
遗传算法论文:浅谈遗传算法的研究与改è¿?/p>
【摘
要】遗传算法是模拟自然界生物进化机制的概率
性搜索算法,可以处理传统搜索方法难以解决的非线性问
题。但是经典遗传算法存在局部收敛、收敛速度慢等缺点ï¼?/p>
这使得经典遗传算法有时很难找到全局最优解。本文针对经
典遗传算法中所存在的缺点,采用阶段式的适应度函数、基
于竞争机制的交叉方式和仿粒子群变异操作,使遗传算法的
收敛速率、全局收敛概率都得到了较大的提高ã€?/p>
【关键词】遗传算æ³?/p>
适应åº?/p>
交叉操作
仿粒子群变异
一
遗传算法
遗传算法ï¼?/p>
genetic algorithm
,简ç§?/p>
ga
)是
holland
在研究自然遗传现象与人工系统的自适应行为时,模拟生物
进化现象,并采用自然进化机制来表现复杂现象的一种全局
群体搜索算法。遗传算法的基本思想起源äº?/p>
darwin
进化è®?/p>
å’?/p>
mendel
的遗传学说。作为一类智能计算工具和学习算法ï¼?/p>
由于其实现简单、对目标函数要求不高等特性,遗传算法å·?/p>
广泛应用于如人工智能、组合优化等研究领域ã€?/p>
1
.遗传算法的优越æ€?/p>
遗传算法ï¼?/p>
genetic algorithm
)利用某种编码技术作
用在称为染色体的二进制串上,模拟由这些串组成的个体的
进化过程。通过有组织的、随机的信息交换来重新结合那äº?