维普资讯 doc.guandang.net
c o s p(+1: rspo f )
生 n个不同轨迹的混沌变量{, l2…,}按 ( )将这些 ,, n。 2式 混沌变量分别转换到设计变量的取值范围。其变成混沌变量:使 *:= q+( a ) 6一 4 () 2
步骤 5以一个较小的概率 P,使得一个染色体的一个基因发生变异,成 m t o f 1;: f l一个新的群体 p p f=形 u p( )f=+,一 p+ o ( ) m to t;回步骤 2 u p()返 p。
式中 b和 a分别为变量的上下界。对于固定的。 . X= (,,, )代表求解问题的一个解 (体 )随着 k的增 x x… 个。
2模拟退火算法 (A) . 2 S 模拟退火是 2 0世纪 8 0年代初发展起来的一种随机性组
合优化方法。它模拟高温金属降温的热力学过程,广泛应用并
大,可得到一系列初始个体。算每一个体的适应度,择较好计选 的个体组成初始群体。 ( )应度函数的确定 3适所选适应度函数 I: I为+. 1 00 0
于组合优化问题。模拟退火在进行优化时先确定初始温度 .随 机选择一个初始状态并考察该状态的目标函数值:当前状态对附加一小扰动。计算新状态的目标函数值:概率 l受较并以接好点,以某种概率 P接受较差点作为当前点,到系统冷却。,直模拟退火方法在初始温度足够高 .温度下降足够慢的条件下 .能以概率 l敛到全局最优值。由于它以某种概率接受较差点 .收 从而具有跳局部最优解的能力,法的求解过程如下:算 步骤 l初始化退火温度 (= )产生随机初始解; kO, 步骤 2在温度下重复执行如下操作,至达到温度直的平衡状态:
/() 上式中 00 1根据经验设置的 .免计算过程中现零 .0是避
分母情况。该文引用实例均为函数极小值问题,将函数厂故直接作为目标函数。目标函数越小,应度越高。适 ( )传操作
4遗
采取最优选择 .以及依概率 P和 P进行的基于次序的交 叉和变异操作策略。处。入种群早熟判定标志 I自适应此引 I和
( )解的领域中产生新的可行解: 1在 ( )算的目标函数八 ) 2计 和的目标函数 fx的差值 ()
调节函数。第f假设代种群的适应度函数平均值为 1,/= . 1 ' ,
其中:第t f为代种群第i个体的适应度函数,为第t T代种 -则可推出, 增大时, f;当种群有
a; f ( )照概率 mi{ .x ( A T ) rn o[,】受, 3依 n 1e p一f k} ad m0 l接 l>其 中 rn o[,1【,】间内的随机数。 ad m0 l 0 l区是 步骤 3退火操作:+:c,:+,中 C∈(, ) I= k l其 0 1。若满足收敛判断条件。则退火过程结束;则,否转步骤 2。
群规模。最优个体的适应值为,, 所有大于,的个体适应值‘再求平均得到,。令
早熟趋势。众所周知, G在 A迭代过程中,响种群收敛性的两影个最重要参数为交叉概率 P和变异概率 P因此,防止因早 。为熟得不到全局最优解将 P和 P设计为的函数:
3混合 G— A算法设计 AS ( )码的确定 1编
+南 0 4 一
) )
论文中采用 G a码‘ ry码 ( g2 o与普通二进 ry 。G a编 t…g )一 制编码 ( b…b ) 6 。的关系,可用下式表示: f l,=一1 b一1 k l
p= .4 00 a 00+ .4
其中 k k均为大于零常数。从以上两式可看出,和 P, P
随增加而下降,而达到了动态自适应调节 P和 P因 的目的, 有效地防止了种群早熟。 ( )拟退火 5模主要通过修改退火初始温度。以改进种群中的个体性能。
+①6≤ 2 1 .一
上式中①为模 2加法。G a ry编码与普通二进制的逆关系
可以表示为: 6
: rd2, 0l l: o )=,—。相邻整数的 o g( k…二
基于以上各部分的讨论 .可得求解混合 G S A— A的算法流 程如下:
进制码可能具有较大的 H mm n距离。例如 7和 8二进制编
a ig,
码为 0 l和 10 .算法在这两个数之间转换需改变所有的 ll 00位,种缺陷也称为 Ha m n这 m ig悬崖。降低遗传算子的收敛效将率。 G a码的相邻整数之间只有一位不同,以克服普通二而 ry可 进制的这个缺陷。
步骤 l初始化:群规模,,种 v交叉概率 P,异概率 P最 变,
大进化代数肘,度冷却系数 C,火初始温度;温退 步骤 2计算群体中每个个体的适应度。判断:当前进化若代数小于最大进化代数,转步骤 3否则,法终止。回当则;算返 前最优解:
( )始种群的产生 2初混合 G— A算法采用混沌初始化种群。由于混沌系统【 AS 4 1具有随机性。历性和对初始条件的敏感性等特征从而可较遍好地对算法群体进行初始化 .以提高初始群体的质量。混沌初 始化的基本思想是首先产生一组与设计变量相同数目的混沌变量,后将其引入到设计变量之中。时把混沌运动的遍历然同范围转换到设计变量的定义域。选取 L gs c射为混沌信号 oi i影 t发生器,如下式所示:
步骤 3计算早熟判定标志。由 ( ) ( )计算交叉概并 3和 4式 率和变异概率:
步骤 4选择,交叉和变异,生下一代种群。产判断:若≥, 则应用 ( ) ( )计算所得概率进行交叉和变异;则,用 3和 4式否应 初始概率进行遗传操作:
步骤 5若连续进化 n代而个体无任何改进,则修改种群 的退火温度,即令卜 C,步骤 2 T转。
Z+’ ) x (一 ) k 0 l2= ( -,= 1 /=,,… 式中为控制参量, 取 4时,系统处于混沌状态。
() 1
4计算机模拟仿真比较 本节以求如下 4个基准测试函数的最小值为例,过计算通
初始化具体过程如下:优化变量个数为 n对 ( )巾的设, 1式
分别赋予 n个介于 0和 1之间的初值 z i 12…, )产 m(,, n,= 6 2 0 .计算机 T程与应用 4 0 62 2
机仿真来评价比较混合 G— A优化算法的性能,基准测 AS 4个

如果将遗传算法与模拟退火算法相 结合 ,互相取长补短 , 则有可能开发出性能优良 的新的全局搜索算法 . 基于模拟退火的混合遗传算法是将遗传算 法与模拟退火算法...
一种混合遗传模拟退火算法及其应用_理学_高等教育_教育专区。一种混合遗传模拟退火...由于这一类问 题的复杂性 ,又有人提出了一些优化技术 , 如模拟 法或因过于...
龙源期刊网 http://www.qikan.com.cn 基于混合遗传模拟退火算法的最优路径求解 作者:双珍珍 雷晓娟 来源:《科技探索》2013 年第 04 期 摘要:本文采用遗传算法...
基于混合遗传模拟退火算法的最优路径求解 摘要:本文采用遗传算法和模拟退火算法相结合的混合算法, 求解路网拓扑图中的任意两点之间的最优路径,既能发挥遗传算法 收敛...
一类模拟退火算法与遗传算法混合优化策略_专业资料。提出一类模拟退火算法(GA)和遗传算法(SA)的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退...
结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函...
基于遗传算法和模拟退火算法的混合算法_IT/计算机_专业资料。基于遗传算法和模拟退火算法的混合算法第33 卷第 2 期昆明理工大学学报 (理工版 ) 2008 年 4 月 Jo...
广东 广州 510405) 摘要: 分析了遗传算法和模拟退火算法的 优缺点, 提出 了一种 混合遗 传模拟 退火算法 , 对 其进行 优化, 并将 该算 法应用于 TSP 问题...
混合算法. 该算法是在遗传操作中嵌入模 拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方 法处理约束条件,设计了专门的遗传...
7 2? 计 算机 应用 研究 200 5焦 基于模拟退火的混合遗传算法研究 周丽 ,黄 素珍 (. 州师范学院 数 学与信 息科 学学 院,江温州353 1温浙205;2温 ...
热门文档