資源描述：
《一種求解全局優(yōu)化問題的新混合遺傳算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、維普資訊http://www.cqvip.com第24卷第3期控制理論與應(yīng)用Vb1．24NO．32007年6月ControlTheory&ApplicationsJun．20o7文章編號：1000-8152(2007)03-0343-06一種求解全局優(yōu)化問題的新混合遺傳算法李宏，一，焦永昌，張莉，王宇平。(1．西安電子科技大學(xué)天線與微波國家重點實驗室，陜西西安710071；2．西安電子科技大學(xué)理學(xué)院，陜西西安710071；3．西安電子科技大學(xué)計算機學(xué)院，陜西西安710071)摘要：把簡化的二次插值法融入實數(shù)編碼遺
2、傳算法，構(gòu)成適于求解全局優(yōu)化問題的混合遺傳算法，該混合算法可以較好解決遺傳算法的早熟收斂問題，提高了收斂速度，改善了解的質(zhì)量，并減少了計算量．由于該混合遺傳算法對目標(biāo)函數(shù)的性質(zhì)沒有要求，適合求解大規(guī)模問題和工程實際問題．通過對23個標(biāo)準(zhǔn)測試函數(shù)的仿真實驗，并和已有算法的比較，結(jié)果表明本文提出的混合遺傳算法是非常有效的．關(guān)鍵詞：二次插值法；遺傳算法；全局優(yōu)化；混合遺傳算法中圖分類號：TPI8文獻標(biāo)識碼：ANovelhybridgeneticalgorithmforglobaloptimizationproblems
3、LIHong1，一JIAOYong—chang1ZHANGLi2WANGYu—ping3，，，(1．NationalLaboratoryofAntennasandMicrowaveTechnology,XidianUniversity,Xi’anShaanxi710071，China；2．SchoolofScience，XidianUniversity,Xi’anShaanxi710071，China；3．SchoolofComputerScienceandEngineering，XidianUniversity
4、，Xi’anShaanxi710071，China)Abstract：Anovelhybridgeneticalgorithmforglobaloptimizationproblemsisproposedinthispaper．Areal—codedgeneticalgorithmisaddressed．Asimplifiedquadraticinterpolationmethodisthenintegratedintothegeneticalgorithm．Thehybridgeneticalgorithmis
5、capableofavoidingtheprematureconvergence，improvingtheglobalsearchabilityofthealgorithmandtheaccuracyoftheminimumfunctionvalue，aswellasreducingthecomputationalburden．Simulationresultson23benchmarkproblemsshowthattheproposedhybridgeneticalgorithmiseficientandef
6、ectiveincomparisonwithotherexistingalgorithms．’Keywords：quadraticinterpolationmethod；geneticalgorithm；globaloptimization；hybridgeneticalgorithm1引言(Introduction)度的傳統(tǒng)算法具有很好的互補性．遺傳算法作為考慮全局優(yōu)化問題進化算法的一種，在各種問題的求解與應(yīng)用中展現(xiàn)了其獨特的魅力[1j3枷】，但在理論和應(yīng)用上也暴rninf(x)，(1)xEB、露出諸多不足和缺
7、陷，如對某些復(fù)雜問題而言，它其中：X=(1，?，n)。，13={(f1，1)×?×易趨于早熟收斂而陷于局部最優(yōu)解[1'4】，另外，也存(，)Ili≤xi≤Ui，i=1，2，?，n}．在收斂速度慢、計算量大等問題[1]_為克服這些問全局優(yōu)化問題(1)具有廣泛的工程應(yīng)用背景，其題，早在1989年Goldberg就提出混合方法的框架求解方法越來越受到人們的重視，傳統(tǒng)算法都是局把GA與傳統(tǒng)的、基于知識的啟發(fā)式搜索技術(shù)相結(jié)部優(yōu)化方法，優(yōu)化結(jié)果與初值有關(guān)，并且對函數(shù)的合，來改善基本遺傳算法的局部搜索能力，使遺傳算性態(tài)有要求．
8、許多工程實際問題不但參數(shù)多，而且法脫離早熟收斂狀態(tài)而加速接近全局最優(yōu)解．混合目標(biāo)函數(shù)性態(tài)差，一般難以用基于梯度的傳統(tǒng)算法遺傳算法在一定程度上可以提高遺傳算法的優(yōu)化質(zhì)來求解．近年來，進化算法(包括遺傳算法、進化策量和收斂效率，因此，出現(xiàn)了各種各樣的混合遺傳算略、進化規(guī)劃)已成功地用于求解各種優(yōu)化問題[引，法來求解各類優(yōu)化問題[1,3~6]．它不需要導(dǎo)數(shù)信息，對函數(shù)的性態(tài)沒有
