改进的遗传算法在多元函数优化中的应用

针对简单遗传算法在多元函数优化时,容易停滞在局部优解的附近,不能收敛到全局最优。对简单遗传算法进行了改进,提出了搜索期和收敛期的概念,在搜索期采用较大的交叉变异概率,增加较多的新个体;在收敛期采用较小的交叉变异概率,增加较少的新个体。通过这些措施增加了种群的多样性,当算法一旦陷入局部优解时,改进的遗传算法会从局部中跳出,从而抑制了早熟现象的发生,收敛到全局最优。仿真实验表明,经改进的遗传算法,在多元多峰值函数优化中,寻优能力有了较大提高。