最优权动态控制学习机制的多种群遗传算法

遗传算法(GA)的全局搜索能力强,易于操作,但收敛速度慢,易陷入局部极值。为克服上述缺陷,首先对算法初始化方法进行改进,采用海明距离作为聚类划分的相似性度量提出了一种均匀分区多种群初始化方法。该方法以相似性度量为准则划分出不同集合的聚类中心点,然后以偏好随机的方式产生多个不同的种群,避免算法因种群初始个体在解空间分布不够均匀而陷入局部收敛。其次在遗传算法中引入多种群并行机制和学习机制来提高算法的性能,通过对已有研究中两种机制在遗传算法中的作用进行分析,指出各自的优势和不足,分别对两种机制进行改进,提出改进的多种群并行机制与最优权动态控制的学习机制,并从理论角度探讨了改进的两种机制的合理性。最后,将两种机制有机结合起来,充分发挥两种机制的优点,抑制各自的不足之处。仿真实验结果表明,算法中经过改进的两种机制具有良好的沟通能力,结合新的初始化方法,使得算法在收敛速度和精度上都要优于其他几种已有的改进算法。