当前位置：文档之家 › 一种改进的基于实数编码的遗传算法

一种改进的基于实数编码的遗传算法

  • 格式：pdf
  • 大小：151.95 KB
  • 文档页数：4

下载文档原格式

  / 4

合集下载

一种基于改进遗传算法的测试用例自动生成研究

一种基于改进遗传算法的测试用例自动生成研究
第 １卷 ９
第 ４期
北 京 石 油 化 工 学 院 学 报
Ｊ ｕ ｎ ｌ ｆＢ ｉ ｎ ｎ ｔ ｕ ｅｏ ｏ ｒ ａ ｅｊ ｇ Ｉ ｓｉ ｔ ｆ ｏ ｉ ｔ
Ｐｅ ｒ — ｈｅ ｉａ ｃ ｔ ｏ ｃ ｍ ｃ ｌＴｅ ｈｎｏ ｏ ｌ ｇｙ
Ｖｏ ． ９ ＮＯ ４ Ｉ１ ．
Ｄ ｅ ． ０１ ｃ２ １
２ １ 编 码 方 式 ．
适 应度 Ｐ 厂＝
Ｚ
， 中 是 待测 程序 中总共 的 其
≥ １ 一１ （ ，
分支 数 ， １ 册 是矩 阵 Ｄ 中满 足
ｌ １ 一
２ … ， ）的列 的个数 。 ， ， ｚ
２． 路 径 覆 盖 ３
待 测 程 序— — Ｄ １ｕ ａ ｅａ ｎ ｙ三 角 网 生 成 程 序
用例 自动 生成 研究 的重要课 题 之一 。 自２ ０世 纪 ６ Ｏ年代 以来 ， 内外 学 者 对 软 国 件 测试 用 例 的 自动 生成 进 行 了 多方 面 的研 究 ，
一
法较 随机 测试 方式普 遍 有更好 的性 能 ｌ 。 ＿ ４ ］
实 际应用 中由于遗传 算 法 自身 缺 陷 ，未 成 熟 收敛 是 遗传 算 法 中不可 忽 视 的现 象 ， 主要 表 现在 群体 中所 有 的个 体都 陷 于 同一 极值 而停 止
是 交 叉算 子 ， 是变 异算 子 ， Ｔ是 终 止条 件 ， ＰＴ 是 需 要覆 盖 的 目标 路径 。
，
当个 体 ｉ 过分 支Ｊ， 走 那么 Ｄ
２ 改进 算 法研 究
传统 的遗 传算 法 引用 到测试 用 例 自动 生成 的研 究 ， 于软 件 测试 自动 化 产 生 了重 要 的影 对
法 ， 当软件 规模 增大 的 时候 ， 但 符号表 示 非常繁

基于改进遗传算法的SAR末制导段弹道优化设计

基于改进遗传算法的SAR末制导段弹道优化设计
兵 工 自 动 化
・６ ・ ４ Ｏｒ ｎ ｎ ｅ Ｉ ｄ ｔ ｙ Ａｕ ｏ ａ ｉ ｎ ｄ ａ ｃ ｎ ｕｓ ｒ ｔ ｍ ｔ ｏ
２ ２— ０１ ０３
３ （） ｌ３
基 于改进 遗传 算 法 的 Ｓ ＡＲ末制 导 段弹道 优 化设 计
赵 振 波 ， 张 刚 ，李 相 平
（ 海军 航 空工程 学 院 电子信 息 工程 系 ，山 东 烟 台 ２ ４ ０ ） ６ ０ １
Ｚｈ ｏ Ｚｈ ｎ ｏ Ｚ ａ ｇ Ｇａ ｇ Ｌｉ ａ ｇ ｉ ｇ ａ ｅ ｂ ， ｈ ｎ ｎ ， ｎ ｐｎ Ｘｉ
（ ｐ ．ｆＥ ｅ ｔ ｎｃＩ ｏｍａｉｎ ｎ ｉｅｒｎ ， ｖ ｌ ｅｏ ａ ｔ ａ ＆Ａ ｔｏ ａ ｔ ａ ｎｖ ｒｉ ， ａ ｔｉ ６ ０ Ｃ ｉａ Ｄｅ ｔｏ ｌｃｒ ｉ ｎ ｒ ｔ ｇｎ ｅｉｇ Ｎａ ａ ｒｎ ｕｉ ｌ ｓｒ ｎ ｕｉ ｌ ｉｅｓｔ Ｙ ｎａ ４ ０ ， ｈｎ ） ｏ ｆ ｏＥ Ａ ｃ ｃ Ｕ ｙ ２ １
ｏ ｈ ｉｓ ｌ － ｏ ｎ ｙ ｔ ｅ ｉ ｐ ｒｕ ｅ ｒ ｄ ｒ ｓ ｅ ｅ ｓ ａ ａ ｙ ｅ ，ａ ｄ ｃ ｎ ｔａ ｎ ｓ ｏ ａ ｉ ｇ ｏ ｈ ｉｓ ｌ － ｏ ｎ ＡＲ ｏ ｆ ｔ ｅ ｍ ｓ ｉｅ ｂ ｒ ｅ ｓ ｎ ｈ ｔ ａ ｅ ｔ ｒ ａ ａ ｅ ｋ ｒ ｗａ ｎ ｌ ｚ ｄ ｎ ｏ ｓ ｒ ｉ ｔ ｆ ｉ ｇ ｎ ｆ ｔ ｅ ｍ ｓ ｉ ｂ ｒ ｅ Ｓ ｃ ｍ ｅ ｔ
Ｏ 引 言
当前 反 舰 导 弹 雷 达 导 引 头 的方 位 分 辨 率 很 低 ， 无 法 分 辨 同 一 波 束 内 的不 同舰 船 ，难 以满 足 精 确 打 击 的要 求 。合 成 孔 径 雷 达 （ ｎｈ ｔ ｐ ｒ ｒ ｄ ｒ ｓ ｔｅｉ ａ ｅｔ ｅ ａ ａ， ｙ ｃ ｕ ｒ

基于实数编码遗传算法的改进支持向量机

基于实数编码遗传算法的改进支持向量机
计 算机研究 与发展 Jour l of C mputer R巴 arch a d E绝 l opme t a n o 犯 n ve n
Байду номын сангаас
IS N 1000一 S 1239l CN l l 一 / TP 1777 44(S ppl . ) : 17一21， u 2007
基于实数编码遗传算法的改进支持 向量机
关键词 支持向量机 ; 最优分划超平面; 遗传算法
中图法分类号 T P39 1
支持向量机(support vector machine， v M)是 s 贝尔实验室研究人员 Va n k 在对统计学习理论 3 pi 0
多年的研究基础之上发展起来的一种全新的机器学
灾难和过拟合等传统算法所不可规避的问题 ， 所以 受到了越来越多的研究人员的关注. 随着研究 的深 人， 人们不断提出许多经典 的分类算法及其改进的
算法〔 〕实际上， 2一. “ 在判别最优超平面时， 由于受约
束条件的限制 ， 最优超平面的求解比较复杂.
由美国学者 Holland 创建的遗传算法( genetic
loi a g r hm， [ 7]是一种模仿生物进化 t GA) 机制的自 适
应随机搜索方法 . 它能 以较大概率求得全局 最优 解， 具有计算时间相对较少 、 较强鲁棒性等特点 ， 在
algorithm conve垠es the s lution of the problem o
Key wor s SVM ; optimal separating hyperplane ; genetic algorithm d
摘 要 提 出了一种基于实数编码遗传算法的改进支持向量机. 针对二进制遗传算法求解分类问题的 3 点不足之处， 出了改进算法. 该算法在问题的约束 中引进核函数 ， 问题映射到 高维空间， 提 将 成为线性 问题后求解， 从而使算法不仅适合解线性 问题 ， 也适合解非线性问题 ; 引进 Re u e SVM 思想， 用数 d c d 仅 据集的 1% 一1 %的样本信息就能求出分类问题的分划超平面， 0 从而大大降低 了问题的复杂性; 最后采 用实数编码的遗传算法求解， 节省了两次编码一 解码转换所 占据的运行 时间. 给 出了算法的迭代步骤 ， 数值实验表明该改进的算法是有效的， 理论证明该算法确实是收敛的.

一种基于实数编码遗传算法的常模盲均衡

一种基于实数编码遗传算法的常模盲均衡

度值 最 高的个体 ， 即均衡 器的最优 系数 。计 算机 仿 真结 果证 明 了算法 具有 收敛 速 率快 、 能够搜 索到
全局 最优解 等特点 。
关键词 ： 遗传 算法 ； 盲均衡 ； 实数 编码 ； 常模 算法
中图分类号 ：Ｎ １ ；Ｐ ０ ． Ｔ ９ Ｔ ３ １６ ｌ 文献标识 码 ： Ａ
第４ ８卷 第 １ Ｏ期
２０ ０ ８年 ｌ Ｏ月
国玩 技
Ｔｅｅ ０ Ｉｃ ｍｍｕ ｉａ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｎ ｃ ｔ ｇｎ ｅ ｉｇ ｏ
Ｖｏ ． Ｎｏ． Ｏ １４８ １
０ｃ ． ０ ８ ｔ２ ０
文章编 号 ：０ １ ８ ３ ２ ０ ）０— ０ ５— ４ １０ — ９ Ｘ（ ０ ８ １ ０ ０ ０
在自 然环境中的遗传和进化过程而形成的一种 自适
应全局优 化概 率搜索算 法 。它提 供 了一 种求解 复杂 系统优 化 问题 的通 用 框架 ， 依赖 于 问题 的具体 领 不 域 ， 问题 的种类有 很强 的鲁棒 性 ， 泛应用 于 函数 对 广 优化 、 合优 化 、 组 自动控制 、 器学 习等领域 ｇａｒ ｌ ｏ ｅ ｅｅ ｃａ ｏｉ ｍ （ Ａ）ｉ ｐｅｅｔ ｒｍ ｒ ｉ ｅｐｒ ｒ ａｃ ｕ ｉ ｑ ａｚｔｎｕｉ ａ ｃｄｄｇｎ ｔ ｌ ｒｈ Ｇ ｂｎ ｉ ｉ ｎ ｅ ｉ ｇ ｔ ｓ ｒｓｎｅ ｆ ｐｏ ｎ ｔ ｅ ｏｍ ｎ ｅ ｄ ｏ ｉ ｖ ｇｈ ｆ ｏ ｅｓ ｎ ａｄ ｏｓ ｎ ｍ ｄ ｌ ｇｒｈ （ Ｍ ． ｈ ｏｆｃ ｎ ｖｃ ｒ ｆ ｌ ｄ ｑ ａ ｚｒｓ ｅａｄｄａ ｆｈ ｔ ｄｒ ｎｔ ｔ ｏｕｕ ａ ｏ ｔｍ Ｃ Ａ） Ｔ ｅ ｅ ｉ ｔ ｅｔ ｂｉ ｕｌ ｅ ｉ ｒ ｒｅ ｔ ａ ｃ ａ ｓｌ ｉ ｃ ｉ ｅ ｏ ｏ ａ ｎ ｅ ｉ ｇ ｓ

一种基于实数编码的自适应遗传算法

一种基于实数编码的自适应遗传算法

新 方 法 成 功 地 解 决 了进 化 遗 传 算 法 存 在 的 问题 ， 计 算 效 率 较 高 。 且
关 键 词 ： 化遗 传 算法 ： 实 数 编 码 ； 自适 应 变异 率 ； 最 优 保 存 策 略 ； 早 熟现 象 进 中圈 分 类 法 ： ， １６ ３ ． ０ 文 献标 示码 ： Ａ 文 章 编 号 ：０ ８ ６ ９ （０ ８ ０ － ０ ０ ０ ｌｏ — ３ ０ ２ ０ ）３ ０ ４ － ４
Ｍａ ２ ０８ ｙ， ０
一
种基于实数编码 的 自适应遗传算法
王 璐 ， 武 松 文
（． １ 重庆教育学 院 计算机与现代教育技术系 ， 重庆 ４ ０ ６ ；． ００ ７ ２重庆通信学院 控制 工程 重点 实验 室 ， 重庆 ４ ０ ３ ） ０ ０ ５
摘 要 ： 析 了进 化 遗 传 算 法 的 弊 端 。 出 了一 种 基 于 实数 编 码 和 自适 应 变 异 率 的 改进 遗 传 算 法 ， 变异 率 定 义 分 提 将
为 了克 服 基 本 遗 传 算 法 的 以 上 不 足 ， 文献 Ｃ提 ６ ］
出 了一种 采用 实数 描述 染 色体 的进 化遗 传算 法 。
代 由 Ｇ ｌｂｒ 行 归 纳 总结 出 了统 一 的最 其 本 的 ｏｄ ｅｇ进
遗 传 算 法 一 基 本 遗 传 算 法 （Ｇ Ｓ Ａ，Ｓｍ ｌ ｅ ｅｉ ｉ ｐｅＧ ｎ ｔ ｃ
计算 精度 与计 算 量之 间存 在着 矛 盾 ； （ ） 于多 变量优 化 问题 ， 候选解 染 色体 数字 ４对 其
串过长 ， 这将 影 响算法 特 性 ； （） ５ 算法 求解 过 程不 直 观 ， 法实 时监 视 优化过 无
程：
遗传 算法 最 早 由美 国 Ｍｉｈｇ ｎ大学 的 Ｈ ｌ ｎ ｃｉ ａ ｏｌ ｄ ａ 教 授提 出 ， 后 经过 Ｄ ｏ ｇ等人 的大量 工作 ，Ｏ年 之 ｅＪｎ ８

基于遗传算法的智能天线波束形成

基于遗传算法的智能天线波束形成

基于遗传算法的智能天线波束形成作者：武琳静, 李京华, 王景, 倪宁来源：《现代电子技术》2010年第21期摘要:为降低智能天线方向图旁瓣电平,加深干扰方向零点深度,提出一种改进的实数编码遗传算法。

该算法基于人类的繁殖现象,改进了标准遗传算法的交叉算子,从而克服了标准遗传算法收敛速度慢,易陷入局部最优等问题,提高了优化效率。

在仿真实验中,以均匀直线阵为例,用改进的遗传算法对阵元激励的幅度进行优化,形成的方向图获得了更好的结果。

关键词:智能天线; 波束形成; 方向图; 遗传算法; 人类繁殖现象中图分类号:TN821+.91-34文献标识码:A文章编号:1004-373X(2010)21-0018-03Beam-forming of Smart Antenna Based on Genetic AlgorithmWU Lin-jing, LI Jing-hua, WANG Jing, NI Ning(Department of Electronic Engineeri ng, Northwestern Polytechnical University, Xi’an 710072, China)Abstract: In order to reduce the side-lobe level and deep the null of smart antenna patterns, an improved real-ver operator of standard genetic algorithm based on human reproduction phenomenon (HRGA). So, the slow convergence and local optimum of standard genetic algorithm are resolved and the convergence speed is enhanced. Taking an example of uniform linear array in simulation experiment, amplitude of the element excited current is optimized through improved GA, the pattern is better.Keywords: smart antenna; beam-forming; pattern; genetic algorithm; human reproduction phenomenon0 引言智能天线波束形成是通过优化阵元的电流幅度或相位或阵元间距,使天线主波束对准期望信号,旁瓣和零陷对准干扰信号,从而接收有用信号,抑制干扰信号。

实数遗传算法

实数遗传算法
实数遗传算法（Real-coded Genetic Algorithm，简称RGA）是遗传算法的一种改进形式，特别适用于处理实数编码的优化问题。

与二进制遗传算法不同，实数遗传算法将基因表示为实数形式，而不是二进制编码。

每个基因都代表了问题空间中一个可能的解。

这种方式更适合于处理问题空间连续的优化问题，例如数学函数的优化、机器学习模型参数的优化等。

实数遗传算法的基本步骤如下：
1. 初始化种群：随机生成一组初始基因作为种群的初始解。

2. 评估适应度：根据问题的优化目标，对每个个体计算适应度值。

3. 选择操作：根据适应度值选择一些个体作为父代，用于产生下一代个体。

4. 交叉操作：通过交叉操作，将选中的父代个体的基因进行交叉，生成新的个体。

5. 变异操作：对新生成的个体进行变异操作，以增加种群的多样性。

6. 评估适应度：计算新生成个体的适应度值。

7. 更新种群：根据选定的选择策略，选择一些个体加入下一代种群。

8. 终止条件：如果达到终止条件，停止算法；否则，返回第3步。

实数遗传算法可以根据具体问题的特点进行一些改进，如引入自适应突变率、基因修复机制等。

它在寻找连续优化问题的全局最优解方面具有较好的性能和收敛
速度。

一种改进的遗传算法及其在结构优化设计中的应用


度． 实例计算表明， 该算法对复杂结构的优化设计是有效的． 关 键词 ： 遗传 算 法 ； 实数 编码 ； 坝优 化 设计 ； 拱 结构 优化 设计
中 图分 类号 ： Ｕ １ ； ３ ２ Ｔ ３ ８ ０ ０ 文献标 识 码 ： Ａ 文章 编 号 ：００ １８ （０ ７ ０ — ６ ９ ０ １０ —９０ ２０ ）６ ０ ５ — ５
在 比较 ２种编 码方 式之 前 ， 看一 个 函数优 化 问—— —
ｍｆ）０一 ； ａ（ ＝． ｝ ｘ ５
（０ Ｘ １ ｌ 一０ ｉ ０ ＝， １≤ ≤ ０ ２ ， ）
该 函数 的全 局最 大点 为 （，）最 大值 为 １该 函数有 无数 个 局部 极 大点 ， 它们 在 全 局最 大点 周 围形 成 ２个 ００ ， ． 且 圈脊 ， ２个极值 为 ０９０ ８ 这 ．９ ２４和 ０９２ ７ ． ．６ ７６ 因此 ， 即使采 用 遗传 算 法 这样 的全 局 收敛 方法 ， 如果 不 选 择很 高 的精 度关 系 ， 很难 收敛 到全 局最 大值 ． 也 如果 优化 结果 收 敛 到 ０９０ ８ ， 数 学 角 度 ， 认 为 这个 优 化 过 程 ．９ ２４从 就 是失 败 的． 但是对 于 实际结 构优 化设 计 问题 ， 们会 接受 这样 的极 大值 ， 我 将其 当作 最优设 计 方案 ． 这就 是 函数 优化 和结 构优化设 计 对优化 方法 和优 化解 精度 选择 的重 要 区别 ． 以下研 究二 进制 编码 的精度 问题 ． 从式 （） １和式 （） ， ２ 知 编码 的精 度 △ 与 码 串长度 有 关 ． 当二 进 制 的码 串
Ｖ １３ ｏ． ０ ．５Ｎ ６
Ｎｏ ｖ．２ ｏ７ ０
一
种 改进 的遗传 算法及 其在 结构 优化 设计 中的应用

一种改进实数编码遗传算法及其应用


０ 引言
达形式 如 下 ：
自Ｈ ｌ ｎ ｏｌ ｄ创 立遗 传 算 法 ＿ Ｇ Ｇ ｎｔ Ａｇ ｒｈ ａ 】 Ａ。 ｅ ｅｉ （ ｃ ｌｏｉ ｍ） ｔ 以来 ，各种 形式 的遗传 算法 在 优 化计算 中 已得 到 了广 泛 利用式（ ） １产生的序列可以作为群体初始值 。 利用这 应用 ｌ 。 ２ 该方 法是 一种 鲁棒 性 较强 的全 局优 化算 法 ， 用 ｌ 『 适 种方法对优化问题（ ２ 式 ） 进行求解 ， 可以获得 比一般 的实 范 围广 ， 以解 决 传统 优 化算 法难 以胜任 的优化 问 题 ， 可 特 别 适 用 于 在 全 局 最 优 点 附近 具 有 复 杂 特 性 的优 化 问 数 编码遗 传 算法 更好 的搜 索结 果 。 题 ， 多峰值 或具 有深 沟壑 几何 形状 的函数 极值 问题 。 如 Ｇ Ａ按 编码 形式 来 分 ， 主要有 实数编 码 遗传 算 法 （ Ｃ ｒ ｆｘ ｘ） ０ 一１ ．０ Ｒ— 一ｔｏ≤ ｏ １ｏ ｏ ｍｘ （ｐ ２＝ ． ０ ５ ＋０ ｌ １ ＋ ） ｒ Ｇ ［ 二进 制 编码 遗 传算 法 （Ｃ Ａ） Ａ）和 ５ ３ Ｂ Ｇ 。相 对 二进 制 编 码 （） ２ 而言 ， 实数编码遗传算 法具有更多的优点问 它可 以直接 ： 对 上 面优 化 问题 进行 求解 ，两种 初 始化 方 法 的求 解 将变量作为基因 ， 将实数 串作为染色体 ， 避免 了复杂 的编 过 程如 图 １ 图 ２所示 ： 、 码 与解 码 过程 ； 同时 也便 于 同其 他 的优 化方 法 混合 使 用 ， 增 强 寻优 效率 。然 而 ， 数 编码存 在 搜 索粒 度 大 ， 致计 实 导 算 精度 不 高 、 于陷 入局 部最 优 等缺 点 。为 此 ， 文 提 出 易 本 了一种新型的实数编码遗传算法 ，该改进算法将混沌现 象应用于群体的初始化 ，利用混沌的遍历性产生分布较 广 的随机 点 ， 以有 效 地克 服 局部 收敛 。同 时 ， 用初 始 可 利 化过程 中对群体适应度进行预先 比较 ， 压缩搜索空间。 该 算法 为 了克服 实 数编 码 的搜 索粒 度较 大 ［ 缺点 ， ５ ３ 的 采用 邻 域搜 索策 略 细化 实数 编码 的参数 ，从 而得 到 更 加 准确 的 优化结果。 邻域细化搜索本质上是一种群体的突变操作 ， 可 以达 到 减少 早熟 发 生 的可 能性 。最 后本 文 将 这种 方 法 应 用 于火 电厂 锅炉 过 热汽 温 串级 ＰＤ控 制系 统 的参 数 优 Ｉ 化 整定 仿真试 验 ， 到 了较好 的性 能 指标 。 得

基于实数编码遗传算法的神经网络优化设计


落在全局最优区域 。为简化计算 ， 本文不考虑神经
元 的阀值 ， 网络 权值 限制在 ［一１ １ ， ，］隐层 及输 出层
Ｋｅ ｒ ｓ： ａ ｙ ｗｏ ｄ Ｒｅ ｌ—ｃ ｄ ｄ ｇ ｎ ｔ ｌｏ ｔｍｓ Ｆ ｅ ｆｒ ｒ ｕ ａ ｅｗｏ ｋ ； ｏ ｅ ｅ ｅｉ ａｇ ｒ ｈ ； ｅ ｄ ｏ ｗａｄ ｎｅ ｒ ｌｎ ｔ ｒ ｓ ＡＮＮ ｃ ｉ
１ 引
言 一］ ’
节点 ， 这些节点之间如何连接等问题 ； ③利用遗传算
一
２ 基于改进 的实数编 码遗 传算法对前 向神
经 网络 的优 化 设 计
多层 前 向神 经 网络作为 一个 由多个非 线性元件
大规模互 连构成 的动 力系 统 ， 系统 的行 为 由两方 其
种搜索 范 围广 、 索 效 率 高 、 棒 性 强 的优 化 方 搜 鲁 神经网络 的学 习算 法存 在容 易陷入局 部极小值
Ｋ ｌ ｏａａ定理证 明在 有合 理 的结 构 和恰 当 的权 值 ｏｍ ｇｒｖ
条件下 ， 三层 前向 网络 能够 以任意 精度 逼 近有界 非 线性 函数 。因此本 文 采用 三 层前 向神经 网络 ， 其 对 结构 （ 文 指 网络 的隐 层 节点 个 数 ） 与 隐层节 点 本 及 相关 的权 值进行 优化 ， 得 网络节点个 数最佳 、 使 权值
行优化 ， 综合考 虑 编码 方式 、 应 度 函数 、 始群 体 适 初 的分布 和遗传 算 法 操 作 等对 Ｇ Ａ性 能 的影 响 ， 成 形 更合 理 、 更高 效的算法 。
遗传算 法（ Ａ 是模 拟 达 尔 文 的遗传 选 择 和 自 Ｇ ） 然淘 汰的生物进化过 程 的全 局性优 化搜索算 法 。遗 传算法采用 群体进 化 方式 ， 目标 函数 空 间进 行 多 对 线索 的并 进式检查 ， 并保 留有竞 争 力的基 因 ， 因此是
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的 遗 传 算 法 ． 方 法 以实 数 编 码 代 替 二 进 制 编 码 ． 效 地 解 决 了 传 统 遗 传 算 法 中 海 明 悬 崖 、 算 精 度 等 问 题 ． 据 适 应 度 该 有 计 根
值 对 父 染 色 体 进 行 变 异 操 作 ． 轻 传 统 遗 传 算 法 中 变 异 操 作 所 存 在 的盲 目性 ． 对 遗 传 算 法 可 能 出 现 的 非 成 熟 收 敛 现 象 减 并
维普资讯
第２ ４卷 第 ３期
２ ０ 年 ９月 ０２
湘
潭
大
学 自
然
科
学
学
报
Ｖｏ ． ４ １ ２ Ｎｏ． ３ Ｓ ｔ ０ ｅｐ ．２ ０２
Ｎａｕ ａ ｃｅ ｃ ｏ ｒ ａ ｆ ａ ｇａ ｉ ｅｓ ￣ ｔｒ ｌＳ ｉｎ ｅ Ｊ ｕ ｎ ｌ ｎ ｔｎ Ｕｎ ｖ ｒｉ ｏ Ｘｉ
遗 传 算 法 （ ｅ ｅ ｃＡ ｔ瑚 Ｇ ｎｔ １ ｈ 一 ｉ
Ｇ ） 是模 拟 达 尔 文 的遗 传 选 择 和 自然 淘 汰 的 生 物 进 化 过 程 的 计 算 Ａ ，
模 型 … ， 是 由美 国 Ｍｉ ｉ ｎ大 学 的 Ｊ Ｈ ｌ ｎ 它 ｃｇ ｈａ ． ｏ ａ ｄ教 授 于 １７ ｌ ９ ５年 首 先 提 出 的 ． 传 算 法 作 为 一 种 新 的 全 局 遗 优化搜索算 法 ， 以其 简 单 通 用 、 棒 性 强 、 于 并 行 处 理 以及 应 用 范 围 广 等 显 著 特 点 ， 定 了它 作 为 ２ 鲁 适 奠 ｌ 世 纪 关 键 智 能计 算 之 一 的地 位 ． 管 遗 传 算 法 本 身 在 理 论 和 应 用 方 法 上 仍 有 许 多 有 待 进 一 步 研 究 的 问 尽
（ ．，ｎｔｅ ｅ ａ ￣ｔＪｓｏ ｒｖｍｉ －Ｊ ｈｕ４ ６ ０ ｈｎ ； １Ｃ ｌｐｔｒ ｐ ｍｎ －ｉ ａ Ｕｆｅ ｔ ｉ ｏ １０ ０Ｃ ｉａ ｏ ｌ Ｄ ｈ ｉ ｙ ｓ
２． ｏ ｅｅｄ Ｉｆｒａｉ ｎｉｅｒ ｇｏ ｉｎｔ ｎｖｒｉ － ｉｎｔ １ １５Ｃ ｉａ Ｃ Ｂ ｇ ｏｍ ｔ ｎＥ ｇｎｅ ｎ ｆ ａｇ ｎ Ｕ ｉｅ ｔ Ｘ ａｇ ｎ４ １０ ｈｎ ） ｎ ｏ ｉ Ｘ ａ ｓｙ ａ
【 ｓｒｃ】 Ｔ ｗ ｒｓ ｈ ｒ ａ ｒ ｏｖｒｅｃ ｈ ｎｍ ｎｎａｄｔ ｍｉｄｏ ａｉｏａ Ｇ ｎｔ ｌ ｒｈ Ｏｌ Ａｂｔａｔ ｏ ａ ｅｐｅ ｔ ｅｃｎｅｇｎｅｐｅ ｏ ｅｏ ｎ ｅｌ ｔ ｆｒｄｔｎｌ ｅ ｅ ｃＡ ｇ ｉ ｍ ｉ Ｃｔ￣ ｄｔ ｍ ｕ ｈ ｉ ｅ ｔ ｉ ｉ ｏｔ ｎ ｒ
进 行 预 测 ， 而 能 极 大 的 避 免 非 成 熟 收敛 现 象 的 产 生 ． 从
关键词 ： 编码 ；来自数 遗传算 法 ： 非成熟 收敛
文献 标识 码 ： Ａ 文 章 编 号 ：０ ０—５０ （ｏ２）３ ０ ２ ４ １０ ９ ｏ ２ ｏ ０ —０ ３ —０
中 图分 类 号 ： Ｐ０ Ｔ３ １
ｏ ｏ ｉｇ ａ ｄ ｇ ｎ ｔ ｐ ｒ ｔ ｎ．Ｔ ｅ ｐ ｐ ｒｐ ｅ ｅ ｔ ａ ｋｎ ｆｍｏ ｉｅ ｎ ｔ ｌ ｏ ｔｍ ．Ｔ ｅ Ｇ ｎ ｔ ｌ ｒ ｈ ａ ｏ ｔ ｆｃ ｄ ｎ ｅ ｅｉ ｏ ｅ ｉ ｎ ｃ ａ ｏ ｈ ａ ｅ ｒ ｓ ｎ ｓ ｉｄ ｏ ｄｆ ｄ Ｇｅ ｅ ｉ Ａ ｇ ｒ ｈ ｉ ｃ ｉ ｈ ｅ ｅ ｃ Ａ ￣ ｉ ｍ ｄ ｐ ｓ ｉ ｔ ｒ ａ ｏ ｉ ｇ ０ ｉ Ｃ ｅ ｏｖ ｅ ｐ ｏ ｌｍｓｔ ａ ｘ ｈ ｉ ａ ｙ ｓ ｓ ｍ ，ｓ ｃ ｓＨａ ｅ ｌｃ ｄ ｎ ，ｓ ｔ ａ ｒ ｓ ｌｅ ｔ ｒｂ ｅ ｈ ｔ ｉｔ ｔｅ ｂ ｎ ｒ ｙ ｔ ｎ ｈ ｅ ｎ ｉ ｅ ｕ ｈ ａ ｍｍｉｇ Ｃｌ ，Ｃ ｍｐ ｔ ｇ ｐ ｅ ｉ ｏ ｎ ｉ ｆ ｏ ｕ ｎ ｒ ｃ ｓ ｎ． ｉ ｉ Ａｃ ｏｄ ｇ ｔ ｅ ｆ ｎ ｓ ｆｔｅ ｆ ｔｅ ， ｉ ａ ｏ ｔｄ ｆ ｒｎ ｔ ｔ ｎ ｏ ｅ ａ ｏ ｓ ｃ ｒ ｉ ｏ ｔ ｔ ｅ ｓ ｏ ａ ｒ ｔ ｄ ｐ ｉ ｅｅ ｔｍｕａ ｉ ｐ ｒ ｔ ｎ ．Ａｎ ｔｃ ｎ ｆ ｒｃ ｓ ｔｅ ｐ ｍａｕ ｅ ｃ ｎ ｅ — ｎ ｈ ｉ ｈ ｈ ｏ ｉ ｄ ｉ ａ ｏ ｅ ａ ｔ ｈ ｒ ｅ ｔｒ ｏ ｖ ｒ ｇ ｎ ｅ ｐ ｅ ｏ ｎ ｎ ｓ ｔｃ ｎ ｒ ｄ ｃ ｅ ｈ ｐ ｅ ｉｇ ｏ ｅ ｐ ｅ ｏ ｎ ｎ ｅ ｃ ｈ ｎ ｍｅ ｏ － ０ ｉ ａ ｕ ｅ ｔ ａ ｐ ｎ ｆｔ ｈ ｎ ｍｅ ｏ ． ｅ ｈ ｎ ｈ Ｋｅ ｒ ｓ Ｒｅ ｌ ｃ ｄ ｎ ；Ｇ ｎ ｔ ｇ ｒ ｈ ；ｐ ｅ ｔｒ ｎ ｅｇ ｎ ｅ ｙ ｗｏ ｄ ： ａ ｏｉ ｇ ｅ ｅｉ Ｍ ｏｉ ｍ ｃ ｔ ｒ ｍａ ｕｅ ｃ ｖ ｒｅ ｃ ｏ
Ａ ｎ Ｍ ａ ｉ ｅ Ｇ ｅ ｔｃ Ａｌ ｏ ｉｈｍ ｓ ａ ｄ ｎ ｄ ｆ ｄ ｎｅ ｉ ｇ ｒ ｔ ｉ Ｂａ ｅ ｏｎ Ｒｅ ｌ Ｃｏ ｉ ｇ
Ｙ Ｚ ｅ ｇ—ｈ ａ ， Ｅ ｈ ｎ ｕ Ｘ Ｅ ， ， Ｉ ｌ ｇ Ｚ ＮＧ Ｊｎ —ｈ ａ ＨＥ ｉ ｕ
一
种 改 进 的 基 于 实 数 编 码 的 遗 传 算 法
叶 正 华 ， 谢 勇。 ， 郑 金 华
（ ． 首 大 学 计 算 机 系 ， 南 吉 首 ４ ６０ ； １ 吉 湖 １０ ０ ２湘 潭 大 学 信 息 工 程 学 院 ， 南 湘 潭 ４ １０ ） 湖 ｌ １５
［ 要 ］ 对传 统 遗传算法 在 编码方案 及 遗传操 作中存在 的 局 限性 以及 非 成熟 收 敛现 象 ， 出一 种 改 进 的基 于 实 数 编码 摘 提