資源描述：
《改進遺傳算法在加速壽命試驗設計中應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、改進遺傳算法在加速壽命試驗設計中應用 【摘要】為了提高遺傳算法的搜索效率和收斂速度，本文給出了一種新的改進的遺傳算法。該算法采用對群的優(yōu)化來保持種群的多樣性，保留歷史最優(yōu)個體并定期替換最優(yōu)個體從而使得個體優(yōu)化，對交叉概率和變異概率采用自適應的概率進行優(yōu)化。通過對目標函數(shù)的測試表明，將改進遺傳算法與基本遺傳算法相比較，在函數(shù)最優(yōu)值，平均收斂代數(shù)方面取得了令人滿意的效果。【關鍵詞】收斂速度；收斂代數(shù)；遺傳算法Abstract：Inordertoimprovethesearchefficiencyandconvergencespeedofgenetical
2、gorithm，Anewimprovedgeneticalgorithmispresented.Thealgorithmadoptstheoptimizationofgrouptokeepthediversityofpopulation，italsokeepthehistoryoptimalindividualandregularlyreplacethebestindividualsoastomaketheindividualoptimization，itwereoptimizedbytheprobabilityofadaptivetochangeth
3、ecrossoverprobabilityandmutationprobability.Basedontheobjectivefunctiontests，theimprovedgeneticalgorithmiscomparedwithbasicgeneticalgorithm，ithasachieved8satisfactoryeffectintheoptimalvalueofthefunctionandaverageconvergencealgebra.Keywords：convergencespeed；convergencealgebra；Gen
4、eticAlgorithms1.引言遺傳算法（GeneticAlgorithms，簡稱GA）是一種借鑒生物界自然選擇（NaturalSelection）和自然遺傳機制的隨機搜索算法（RandomSearchingAlgorithms）。大自然生物進化過程的規(guī)律是“物競天擇，適者生存”。GA由美國Michigan大學的Holland教授于1975年首先提出，后經(jīng)DeJong、GoldBerg等人改進推廣，廣泛應用于各類問題。它是一種模擬自然界生物進化過程與機制的全局概率優(yōu)化搜索方法。它的缺陷是收斂速度慢、計算時間較長、容易出現(xiàn)過早收斂等。為便于應用，本文
5、對遺傳算法加以改進，提出了一種新的遺傳算法。8周瑞芬[1]從保留歷史最優(yōu)個體、定期替換當前最優(yōu)個體、定期進行軸向搜索局部求精3個方面進行了改進，加大了種群的多樣性，但是會出現(xiàn)快速收斂的現(xiàn)象。田東平[2]，竇明鑫、劉曉霞[3]提出了一種基于群體適應度值商的自適應遺傳算法，避免了早熟收斂，能有效的提高全局尋優(yōu)的性能，但是種群的多樣性難以得到保證。白建勛，楊洪耕，吳傳來，唐山[4]對交叉概率和變異概率進行了設計，在保證遺傳算法良好的全局性和隨機性的同時，避免了早熟收斂和收斂過慢。朱朝艷，郭鵬飛，張旭[5]針對遺傳算法的特點，給出了遺傳算法的改進方法，并進行了
6、較系統(tǒng)的分析和評述。朱鈺、韓昌佩[6]，段宏斌，韓琳[7]提出了一種基于交叉概率和變異概率的自適應遺傳算法，達到擴大搜索空間，穩(wěn)定群體中個體多樣性的目的。袁慧梅、郭喜慶[8]，谷峰、吳勇、唐俊[9]提出了適合自然規(guī)律的競爭選擇法，設計出與迭代次數(shù)成反比、與父串間的距離成正比的自適應變異率。李愛軍，崔雁松，王曉星[10]提出了同時包含兩種算子的思想，有效的提高遺傳算法的收斂速度。李海民、吳成柯[11]，張國強、彭曉明[12]提出了一種根據(jù)適應度值自動調(diào)整交叉概率和變異概率的新的自適應遺傳算法。本文針對種群多樣性及收斂速度，提出了新的遺傳算法，提高優(yōu)化性能
7、。2.遺傳算法的改進2.1改進的方法本文從種群的優(yōu)化、保留歷史最優(yōu)個體并定期替換最優(yōu)個體、對交叉概率和變異概率的優(yōu)化這三個方便進行優(yōu)化。2.1.1種群的優(yōu)化8初始種群的生成在進化迭代之前執(zhí)行，對算法的優(yōu)化速度沒有影響。而初始種群的狀態(tài)會直接影響后續(xù)進化迭代的質(zhì)量。在基礎GA中，初始種群在解空間中隨機生成，初始染色體可能會在某一局部區(qū)域集中分布，其攜帶的基因信息無法代表整個解空間，導致種群過早喪失遺傳優(yōu)勢。本文種群的優(yōu)化采用小區(qū)間生成法，該方法將各等位基因的取值范圍平均分成N個子區(qū)間，在各子區(qū)間內(nèi)部分別隨機生成一個初始個體，以保證初始種群內(nèi)的染色體均勻分
8、布在整個解空間上。當解空間連續(xù)，且遺傳信息在空間內(nèi)均勻分布時，小區(qū)問生成法能夠明顯改善收斂特性
