带有顶端增强算子的遗传算法

二进制编码遗传算法是基于演化和自然选择模型的全局寻优算法 ,加速算法的寻优速度具有重要价值 .受生物界“王者”现象启发 ,结合内插外推理论 ,设计了一种加速遗传算法的顶端增强算子 .该算子着眼最优个体群 ,以赋予适应值最大的个体群更多的操作 .顶端加强算子的引入 ,加强了遗传寻优算法的方向性 ,有效地防止了算法陷入伪极值点 ,从而大大提高了算法的收敛速度 .该算法不要求被寻优函数连续可微 ,不增加求解系统的次数 ,其增加的计算量极小 .给出使用该算法对两个遗传算法测试函数寻优和一个小规模的神经网络系统训练的算例 ,并与基本遗传算法进行了比较 。

改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性,并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟。用不同的TSP问题测试时,在分析了种群规模、最大遗传代数与最优解之间的关系之后,得出该算法有较强的鲁棒性和有效性。