针对经典遗传算法(genetic algorithms,GA)易陷入局部最优解和收敛速度慢的问题,受生命演化过程的启发,加入了捕猎和死亡两种算子对其进行改进(predation and death genetic algorithms,PDGA)。首先,在遗传算法的基础上,划分出两个种群...针对经典遗传算法(genetic algorithms,GA)易陷入局部最优解和收敛速度慢的问题,受生命演化过程的启发,加入了捕猎和死亡两种算子对其进行改进(predation and death genetic algorithms,PDGA)。首先,在遗传算法的基础上,划分出两个种群——捕食者和被捕食者,通过捕食建立新的筛选机制,增加收敛速度;其次,引入寿命机制来强制种群中个体的死亡,增加跳出局部最优解的概率;最后,采用一种过度繁殖的方式来补充种群规模。为了验证改进算法的有效性,选取6个基准函数进行仿真实验。实验结果表明,与GA算法相比,PDGA算法在寻优性能上有明显提升。展开更多
文摘针对经典遗传算法(genetic algorithms,GA)易陷入局部最优解和收敛速度慢的问题,受生命演化过程的启发,加入了捕猎和死亡两种算子对其进行改进(predation and death genetic algorithms,PDGA)。首先,在遗传算法的基础上,划分出两个种群——捕食者和被捕食者,通过捕食建立新的筛选机制,增加收敛速度;其次,引入寿命机制来强制种群中个体的死亡,增加跳出局部最优解的概率;最后,采用一种过度繁殖的方式来补充种群规模。为了验证改进算法的有效性,选取6个基准函数进行仿真实验。实验结果表明,与GA算法相比,PDGA算法在寻优性能上有明显提升。
