摘要
为了搜索函数最优解,基于遗传算法基本理论,提出了良性进化的自适应遗传算法(AGA)。AGA 从两个方面改进了标准遗传算法:一是交叉、变异率会自适应调节大小;二是交叉、变异具有方向性。通过对 AGA 的仿真研究,分析了 AGA 中参数取值对算法的性能影响。最后把 AGA 和标准遗传算法进行了仿真比较,结果表明 AGA 在求解函数最优解问题时具有较强的自适应性和收敛性。
An adaptive genetic algorithm （AGA） of benign evolution for function optimization is proposed based on the principle of genetic algorithm. AGA improves the standard algorithm in two aspects： one is that the crossing and mutation rates can be regulated adaptively; the other is that crossover and mutation are directional. By simulation study of AGA, the influence of the parameter values in AGA to the performance of the algorithm is analyzed.
出处
《计算机与网络》
2008年第11期44-47,53,共5页
Computer & Network
基金
国家十一五科技支撑计划项目(No.2006BAD10A14)
国家863计划项目(No.2006AA10Z237)
安徽理工大学博士
硕士基金项目(11152)
关键词
函数优化
良性进化
自适应
遗传算法
function optimization
benign evolution
adaptive
genetic algorithm
