【遗传算法的研究】周国芹.pdf
遗传算法是模拟达尔文的遗传选择和自然淘汰的全局搜索算 法,具有简单、通用、鲁棒性强等优点,但也存在一些不足之 处,有待于进一步改进。本文的主要工作是:对遗传算法已有的各种算子进行归纳、总结,提出两种新的 交换算子,并对各种算子进行了比较.针对遗传算法存在过早收敛的问题,本文提出了一种克服 遗传算法过早收敛的方法.针对遗传算法收敛速度慢的缺点,本文提出了一种改进的、基于段种群的遗传算法,改进的算法不再拘于通常的遗传算法的 单一种群模式,而是建立在多个段种群的基础上。这种算法较标 准遗传算法收敛速度提高几倍到几十倍。
第一章引言 第一节遗传算法建立的背景与发展现状 在人工智能领域中,有不少问题需要在庞大而复杂的空间中找到最 优解或准最优解。在计算此类问题时,若不能利用问题的固有知识来缩 小搜索空间,则会产生组合爆炸。因此,研究能够避免这种问题的通用 算法一直是一个令人瞩目的课题。遗传算法能够在搜索过程中自动获取 和积累有关搜索空间的知识,并自适应地控制有关搜索过程,从而得到 最优解,是这种特别有效的算法之一.早在60年代,美国学者JohnHolland在密歇根大学从事自适应系统 的研究中,受达尔文进化论的启发,逐渐认识到在机器学习中,为获得 一个好的学习算法仅靠单个策略的建立和改进是不够的,还要依赖一个
算得染色体C(1