一种新的多父辈交叉遗传算法

提出了一种新的多父辈交叉遗传算法。该算法引入了父代数量自适应调节机制 ,使得交叉操作的父代数量自适应地收敛到一个合适的值 ,以克服多父辈遗传算法对于父辈数量的敏感性。该算法还采用了评价值加权的多父辈交叉算子。该算子是单点交叉、两点交叉、多点交叉、均匀交叉、算术交叉以及多父辈频率扫描交叉等算子的概括和推广 ,具有凸空间封闭特性 ,可以保证子代个体的合法性。在经典测试函数集上的实验结果验证了本算法的可行性。

基于多父辈交叉的次序编码遗传算法及其性能

介绍6种应用于次序编码遗传算法的多父辈交叉(MPX)算子.利用3个典型的旅行商问题(TSP),测试和比较各个算子和不同的父辈数对于遗传算法优化性能的影响,测试结果显示出不同于基于多父辈交叉的二值编码和实数编码遗传算法的结论.对于3个测试问题,交叉算子父辈数的增加不一定能引起算法优化性能的改善;同时,也并没有一个交叉算子表现出明显优于其他算子的性能优势.

一种新的交叉操作算子

论文提出了一种新的遗传操作算子-随机多父辈适应度值加权交叉算子(RandomParent-numberFitness-WeightedCrossover,RPFWX)。RPFWX在2到群体规模之间随机决定参与交叉操作的父代数量,以克服遗传算法的性能对于多父辈数量的敏感性。RPFWX根据父代个体的适应度值赋予较优秀的父代个体以较大的影响因子。父代个体根据该影响因子来决定其对于子代个体贡献的大小。RPFWX是包括两父辈算术交叉、uniformcrossover以及多父辈频率扫描交叉算子(theOccurrenceBasedScanningCrossover)等在内的多种交叉算子的概括和推广,并通过其凸空间封闭特性来保证子代个体的合法性。最后通过实验结果验证了RPFWX算子的优越性。

双阈值控制的遗传算法求解作业车间调度问题

针对作业车间调度问题自身的求解难点和遗传算法的特点,分析了目前遗传调度算子存在的问题,提出了一种双阈值控制的多父辈POX交叉算子,即用父辈相似度阈值调整变异的时间,收敛度阈值调整变异概率,在变异的同时提高交叉性能。利用这种方法求解作业车间调度问题,能防止父个体相似时交叉不能产生新个体,防止交叉产生的优秀个体再变异,并防止早熟现象。仿真实验表明,该算法可以显著提高解的质量和收敛速度。