文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 一种改进的遗传模拟退火算法
侵权投诉

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法,使速度得到了提高并且可以避免早熟等缺陷。

维普资讯 doc.guandang.net

信I I l 息科学 一

科黑江 技信息—龙———

种改进的遗传模拟退火算法 贾彦博孙立镌 (尔滨理工大计算机科学与工程学院,龙江哈尔滨 10 8 )哈黑 50 0 1最后将变异的个体和他们的父个体 x都放入结。该算子强制对最大适应度值的个体以及最

摘

要:遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退

火算法,速度得到了提高并且可以避免早熟等缺陷。使 关键词:传算法;拟退火算法;遗模选择生成 引言

A I=12i ( x s 2 0 - ( ( s 3 ) i ( ) x l )— n x+n 0< 计算结果如附表。 可见改进过的算法比以前的算法在各个方

遗传算法(A是通过模拟自 G)然生物进化的过果集。 程来进行最优化问题的求解m。模拟退火算法 A】

则模拟退火过程来解决组合最优化问题。 A可进小适应度值个体进行了变异操作。前者可以加快面都有了一定的提高。 G 行有效的全局搜索,短于局部搜索,却并且还容易局部最大值的搜索速度,而后者则可以增加种群 4结语收敛于局部最优解。 S而 A可以很快找到局部最优的多样性并且可以避免早熟。 首先分析了遗传算法和模拟退火算法的优解,差于的全局搜索日但。通常我们会把两种算法 1 5模拟退火算子。选取当代种群中的最大缺点,然后提出了一个选择机制针对于遗传算法结合起来解决最优化问题,但有时即便如此仍不适应度值个体,它进行模拟退火操作,一定和模拟退火算法的缺点,使得改进后的算法效率对根据能得到满意解目以我们将 S&。所 A GA的选择机制概率对新个体进行接受选择,该概率可以有以下得到了很大程度的提高。然后给出了一个例子来进行一定程度的改进,即选择某些特定的父个体公式得到。 . 证明。 来进行繁殖以提高搜索速度,同时一定程度上避 y曲{x (/}= 1p f )), ) r e _参考文献免了随机性和盲目性。 1算法实现其中是新个体的适应度值,是最大适应【周明, f o 1】孙树栋.传算法原理及应用遗 北京:国 值,

退火温度,且随着具体情况不断变化的。防工业出版社 .0 . T是并 2 01 然后根据一定准则选取符合标准的个体进入结果[Lp n, aL,F y in ad Xuu F 2 i Wa g S i uuTa, n ij u.]o A os h oi e rln tok frs lig c l- n iyc a t n u a ew r o ovn on c bn tra pt zt n po lm ̄ tc at h o c iaoi o i ai rbe l mi o o h si c a t c i smuae n eln EEE Trna to s o y- i ltd a n aig J a s cin n ss

0 ( )m s s“ ()集H 1。该算子首先搜索最大适应度值个体的局部最来计算适应值。其中 F )目标函数, I是 x B是一优值。因为模拟退火算法可有效进行局部搜索。可个调节因子,在算法的不同阶段可调整其大小避节约时间并能很快可以判断局部最优解是否为全免早熟,常在算法的初期用较大值,通中后期用较局最优解1 4"。小值。 2算法流程

1定适度数l() .义应函 1 x= 1 F j u

tr, n n ye t s2 0, ()2 92 2 . e s, dcb mei . 0 4 452 1- 15 n ma a c 3 - . [Dm tsN i o uo, Sarua D K vt . 3 i r . m p ls t ol . aa a]i i S o v z

i C mmi n b a d t me t y n En a c d i ltd h e Smuae n 1 . 2选择算子。选择的方法是首先将最大适通过对于以上各个操作算子的组合我们可 Un t o n eln l ha I a s t so o r a o应度和最小适应度的个体筛选入结果集,然后随以得到有效的解决最优化问题的算法。该算法的 A n aig A t r EEE Trn cin n p we

机从当代中选择两个个体,并将较大适应度值的个体选择进入结果集,重复操作直到达到结果集所需要的个体数量为止。该选择算子可以保证最大适应度值的个体无条件的进入结果集并且这种比较模式可以选择较高适应度值的个体进入结果集,而选择最小适应度值的则可以保证种群的多样性以及保留好的基因模 H。 1 3交叉

算子。这里我们并不对父染色体的基因直接进行交叉,而是按序在两个父染色体 A。, 中选取等位基因组成一个新染色体,选择原则是适应度高的父染色体的等位基因被选取的概率大,假设,的适应度分别是‘则过程如下: , 1.首先计算等位选取的概率 31/+ ) (

流程如下:

sse . 0 6 (1 87 . ytm 2 0,2) - 1 1 . 6 [G nr Apyu, G n a ud rad Sn 4 u e ad n] l uh D n a ia n n Bak r l u.Ev lt n B s d Dein o ua zy oui - a e sg fNe rlFu z o Newok Usn S l- a tn n tc a me t rs ig ef Ad p ig Ge ei P z a - tr. I E r ns t n o u z y t ms 2 0, e s EE T a a i n f z y s se . 0 22 o

21初始化运行参数,运行代数 2 2初始化种群 P1 x,2…xm} ( 1('{ ); 2计算种群的适应度 . 3 2 4对种群进行选择运算 e e i[t S l t n ( c o P)] 2 5对种群叉运算 P( Cosvr t '= rsoe ) t ) ̄]; 2 - 6对种群进行变异操作 P( Muair (;"= tt k t t ) ol ) P] 2 .种群进行模拟退火运算:-i uae 7用 a Sm lt d A naig【I n el P n 2 8选择并保留适应值高的个体: ( 1 - Pt) + me

( ̄ 1- 2. 1 . 12 1 02 嘲欧阳森 .宋政湘,建华等 .王一种快速收敛的遗传算法系统工程理论与实践 .0 02(:45. 2 0,0 )5- 8 8 昀周丽,素珍.于模拟退火的混合遗传算法研黄基究计算机应用研究. 0 5:2 7. 2 0, 7 - 6 9 [C rs p e r oe n, d adJ oh e" hit h r kC lma E w r . tw n/] o Ma R n aig, t Coo y e n An - ln Opi zto,n G n t l t a in a d e ei mi c Al o t ms f r S l- tu tr n t a n g r h f S r c u i g An e s i o e n . I EE E

l tno e i[【 co{G懒 ) 1并转 5 )

①

终止条件判断,成立则结束算法,则

tt a dJ h s I v siain o i ltd A -若否 - n o n KRos n e t t fS muae '+ . g o n 3算法实例

a sci n a e n sa rp g t o n n o 0 4=/ ) (+ 我们分别用一般的遗传算法和改进过的遗 Tr n a t n o t n a d p o a a i n .2 0, 1 2生成n1 . 3】之间的随机序列Ⅱ i’……k传模拟退火算法进行求解来比较,结果还是非常 4 2' 5 39 (1,一2 ) ( )7 -7 . 5. 3

k为字符串长度,再将 a与 P或做比较以确定令人满意的。 i l 基金项目:国家自然科学基金 (0 7 0 5资 6 13 5 )所选取的等位基因。若 P P,当 o P时选取 A e2则 qt<。例 1求这个函数在定义域内的 20个极大助项目,江省教育厅科技项目直属。 . 0黑龙 的等位基因,畔 时选取的等位基因,之极小值。当反 作者简介:贾彦博 (9 1 )男,士研究生, 18~,硕 亦然。 研究方向为计算机辅助设计与图形学。 ()I一) s( 0x 0 1= 1 x i 2 x ( xn 0 ,

1 . 4变异算子。设变异父个体是峭……孙立镌(9 4 教授,士生导师,究方 1 4 ̄男,硕研例2求下面函数在定义域内的 2 O个极大极其中=,3…n是变异点,义域是【 I小值。 1,… 2 )定 AB’ J 向为计算机辅助设计与图形学。工程。并行 附

我们可以用下面的公式来进行变异产生新个体。 f+ (B.x )r dO) 0 ,f t k a (1= ,一 n,

’ I+ (x一} a (1 1 ,fk )rdO) }, n,=

( 3 )

表

金型材冲压加工工艺及模具设 [S cla . t a} oh ai ..i, 9. 7 . hd, Ma bJ Y si rCHLn1 1]Ma M o L n, 9 r是一个 1】之间均匀分布的随机实数,是当代的计锻压机械,0 2 1 8 4 t‘ t d o t e r p g to B h vo o t u ' u y n h P o a ai n e a i r f Fai e S g 2 0, 4 _:代数,一个开始给定的终止代数, T是 B是一个首嘲李风,陈海燕.型材挤压模具优化设计及与数 C aku d

rR dm La ig。铝 rc n e a o odn”日本国立东京大 n先设定的参数,并且可以通过当代种群的状况来据库连接技术锻压机械,o 24 3 5 2 o,6 . . 学工学部综合试验所年抿第5 ̄, . 7 0 0. p 1" 2 p 9 2-进行一定程度的变化。始的时候设定较大,终昀毛祝堂、开而田荣璋.铝合金及其加工手册.湖南:中 f】勤.车材料及热加工工艺.交通大学 8金善汽上海止的时候设定较小自rn (1 J。 d, ̄是随机选取 0或者南大学出版社 .O Ql a 0) 2O 1 出版社. 责任编辑:墨洋李

, l一) (一争 f, I

( (接1 ) 4上 8页 )

doc.guandang.net

第1页

你可能喜欢

热门文档

相关文档

  • 【论文】一种改进的遗传模拟退火算法在TSP中的实现

    一种改进的遗传模拟退火算法在TSP中的实现_专业资料。从避免算法进入局部极小值、提高解空间的搜索能力的角度出发,提出应用遗传模拟退火算法解决髑P问题,该算法结合...

  • 一种改进的遗传模拟退火算法及其应用

    l9 09? JURNALoFSo YSTEM IULATISMoN 一 种改进 的遗传模拟退火算法及其应用 刘志刚, 王建华, 耿英三, 欧阳森 ( 西安交通大学 电气工程学院电器教研室,陕西 ...

  • 改进遗传模拟退火算法

    3 改进遗传模拟退火算法及其在配电网络重构中的应用 3.1 编码 在遗传算法中,问题的解用数字串来表示,每个数字串叫做一个染色体,遗 传算子也是直接对串进行操作。...

  • 【论文】改进的遗传模拟退火算法在TSP中的应用

    在介绍遗传算法和模拟退火算法的理论基础上,分析遗传算法和模拟退火算法的主要优缺点,提出了一种改进的遗传模拟退火算法。结合两种算法的优点,对其中的复制、交叉、...

  • 一种改进的遗传退火进化算法

    @uestc.edu.cn 1 摘要: 本文对传统的遗传算法和模拟退火算法进行改进, 同时把模拟退火算法引入了遗传 算法,结合两种算法的优点,提出了一种新的遗传退火进化算法...

  • 【论文】基于改进的遗传模拟退火算法的钢框架优化设计

    基于改进的遗传模拟退火算法的钢框架优化设计_专业资料。将遗传算法的全局寻优...提高了算法的收敛速度.在退火部分,针对钢框架优化的具体问题提出了一种更加紧凑...

  • 【论文】求解TSP问题的改进模拟退火遗传算法

    求解TSP问题的改进模拟退火遗传算法_专业资料。巡回旅行商问题(TSP)是最典型的NP的难题,遗传算法(GA)是解决这类问题的有效方法之一。由于该问题的解是一种特殊...

  • 【论文】自适应模拟退火遗传算法的改进与应用

    自适应模拟退火遗传算法的改进与应用_专业资料。提出了一种改进的自适应模拟退火遗传算法,该算法将遗传算法和模拟退火相结合,利用模拟退火算法较强的局部搜索能力,...

  • 遗传模拟退火算法

    No.9 一种求解极小诊断的遗传模拟退火算法黄 杰+, 陈琳, 邹鹏 (国防科学...本文在改进文献[7]中的遗传算法的基础上,提出遗 传算法与模拟退火算法相结合...

  • 遗传与模拟退火算法

    一种改进的遗传模拟退火... 3页 1下载券 遗传模拟退火算法及其应... 17页...遗传算法 遗传算法是仿真生物遗传学和自然选择机理, 通过人工方式所构造的一类...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email