双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性 ,提出一种双变异自适应遗传算法 ,即通过全局变异算子和局部变异算子共同作用 ,增加种群的多样性 ,提高算法的全局收敛能力。实例证明

基于重构变异算子遗传算法的研究

针对遗传算法存在早熟和局部搜索能力差的缺点,提出重构变异算子遗传算法(Reconstruction Mutation Operator Genetic Algorithm,RMOGA)。该算法由速成算子和自适应算子组成。首先,通过速成算子来平衡变异算子和交叉算子在遗传算法中的地位,以此来改善遗传算法中的早熟现象;其次,采用自适应算子来保留遗传过程中适应度大的个体,从而增强局部搜索能力;最后,引入"路由判断"的方法来加快算法的收敛速度。实验过程使用MATLAB 7.0仿真软件,选取四组典型的测试函数,采用基本遗传算法(Simple Genetic Algorithms,SGA)、双变异率遗传算法(Double Mutation Genetic Algorithm,DMGA)以及文中提出的基于重构变异算子遗传算法(RMOGA),分别对测试函数在收敛精度上进行对比。结果表明,RMOGA算法能很好地解决遗传算法早熟与陷入局部最优解的问题。