资源描述：
《遗传算法过早收敛现象的特征分析及其预防》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、中旧种李辑第!∀卷第#期∃%&∋%&∋月&∋(∃)∗已+刃∀年,月−遗传算法过早收敛现象的特征分析及其预防徐宗本高勇西安交通大学理学院信息与系统科学研究所,西安.+以只/摘要通过引入种群早熟集和种群多样度的概念,分析了遗传算法中过早收敛现0象的起因与特征阐明了杂交过程的成熟化效应是引起遗传算法过早收敛的主因,而遗传算法过早收敛的过程特征表现为种群序列多样度的单调减少及种群分量为零的个体适应比的偏差渐趋于+1!0依据所作的理论分析,提出了一种可以预防和克服过早收敛的新型遗传算法,并从理论上0证明该算法依概率收敛到全局最优状态关键词遗传算法
2、过早收敛多样度与早熟集非时齐马氏链遗传算法2)∗)34)(5678439:是一类以;<8=4∗自然进化论与>)∗?)5遗传变异理论为基0础的求解复杂全局优化问题的仿生型算法它模拟生物进化过程,通过向自然学习来求解问0、、∗,题自≅75
3、的集合,而非单个可行解因而算法逐次产生被称之为种群的一组可行解,使算法,,具有良好的并行性Η!算法只利用函数的适应值信息而勿需应用梯度等其它辅助信息从而可广泛应用于目标函数不可微、极其复杂或无解析表达类优化问题ΗΔ算法通过作用于一个初始种群并循环执行复制、、变异、选择等类似生物进化过程的简单随机操作,具有极杂交强的稳健性和整体优化性0相对于其鲜明的生物基础,遗传算法的数学基础公认是不完善的ΧΦ司0这种不完善特别表现在5缺少广泛而完整的有关遗传算法的收敛性理论0虽然4Ι)∗等门、ϑΚ?75Λ95,、Μ4与Ν<5:4)8网在一些特殊情形说明了遗传算法
4、的收敛性及不收敛性,但相应于自然选择下遗传算法的收敛性尚未得到证明0这意味着Γ生物进化所显现的“趋势向上”性是否能蕴含遗传算法的最终收敛性仍是尚未澄清的基础间题0,,7∗?等人的∃Ο9):<理论ΧΔΑ!对于遗传算法随机搜索机理的研究虽然已有≅5<但这一理论不能用以解释广泛实践中所观察到的遗传算法过早收敛Ν8):<3Κ8)∗Π)86)∗Ο)现象%7一一+/∀ΘΔΘΔ收稿−国家自然科学基金资助项目第#期徐宗本等Γ遗传算法过早收敛现象的特征分析及其预防大致地说,遗传算法过早收敛现象发生在算法种群演化到这样一种非全局最优状态,它使得算法的进一步迭代0虽然已
5、有大量文献例如文献【ΔΑ,+已不能产生更佳可行解【ΘΑ报道遗传算法过早收敛现象,并提出一些克服方法,但总的说,收效甚微,尚没有深人地对过早收敛现0象的起因、表现特征与预防措施的系统研究而这一缺陷正严重阻止了遗传算法的应用与推广0本文目的在于对遗传算法的过早收敛现象提供细致的理论分析0通过引人种群早熟集和,,种群多样度的概念<而说明遗传算法中杂交算子的搜索能力限于包含当前种群的极小ΡΟ9):这样的Ο以概率+单调递减到单点型早熟集从而种群多样度以概率5递减到零0我∃9):<们阐明Γ由此所表现的杂交运算成熟化效应是遗传算法过早收敛的起因0也将定量地证明Γ种
6、群早熟化的趋势是与种群规模及种群中分量为零的个体适应比的偏差成反比的0基于所作的理论分析,提出一种既可预防过早收敛、又能保证收敛到全局最优的新型遗传算法0+典型遗传算法与相应马氏链考虑全局优化问题ΥΣΣ);仁即,ΥΓϑ’0Ν&∗<ΣΤΓς;%刚Ω,熟知遗传算法基于以下两条基本策略求解问题ΝΓ<对于给定的目标函数只它使用Υ的Ρ函,一个值域非负、与Η任一适应性Ξ43∗)数换言之Υ有相同极点的函数Ι它不直接作用于实变量Σ,而是作用于Σ的可称之为染色体的某种编码最常见的为定常二进制数串编码0所以,对于取定的Υ的任一适应性函数Ξ和固定长度为Ψ的二进
7、制数串编码,遗传算法实质上是通过求解组合优化问题‘Ν:<ΣΓΣ〔∃ΤΞΣς,,这里∃二+“;的编码空;Ψ的二进制来求解问题Ν的ΤΘς为间即中所有实变量的长度为数串编码全体0‘78,Γ求解问题Λ的典型遗传算法%<∗7∗4Ο<52)∗)34)(56439:%2(如下%2(Γ步+初始化Γ+0+指定种群规模∋,杂交概率ΝΟ,变异概率Ν:及终止进化准则Η0,,,,+!确定初始种群ΖΘ[⋯Θ任∃万置∴二Θ0Ζ5Θ凡Θ戈Γ步!种群进化0,!+选择依据戈∴的适应性随机、独立、重复地从Σ∴中选取∋对个体为母体Η!0!杂交依概率只独立地对所选,
8、以产生新的∋个中间个体Η∋对母体执行杂交!0Δ变异依概率Ν:∋个中间个体执行变
