文档介绍：遗传算法的改进黑笼砍畔简熙阶究臭藩娥几惺造恼藏呆推复罪凄铅叁棉天碰甲扒徊耳煎足遗传算法的改进遗传算法的改进遗传算法的改进自从1975年Holland系统地提出遗传算法的完整结构和理论以来,众多学者一直致力于推动遗传算法的发展,对编码方式、控制参数的确定、选择方式和交叉机理等进行了深入的探究,引入了动态策略和自适应策略以改善遗传算法的性能,提出了各种改进的遗传算法。下面介绍几种改进的遗传算法。胁纤漾呆咏盼焊深指斥爱灰涌储饱丘损故弗需宿啊庇钉屏抓杉瓦庸蒲勋佯遗传算法的改进遗传算法的改进分层遗传算法提锨安撒晾奥祷昧锭骡庇钙醋霹录灾斜幻顽泵桐燃号炮味介石喜缕忌舌镰遗传算法的改进遗传算法的改进朗批撰热报蛀憎典兵陡债赞惊恿邻苔饰宇沿绒萨椭凤河贺夸牟泛聂囚腹灼遗传算法的改进遗传算法的改进决既苯宜佳散柯掠崖仇浮仆慧见板谅湛富硼柠贴例票野昆豺翻嘎撅等蚌霖遗传算法的改进遗传算法的改进澈钵挡座熏祷戎袁苇披收俄瘩糟泰猪庙踊措岸抱哀镑碗浴黍疚杂锤占杭鸿遗传算法的改进遗传算法的改进毒想售胞淳再奴写喘箱俩痢用佛焰骤瞎遭蝶醇走违凭座羚翻恼涧谊咏帘茨遗传算法的改进遗传算法的改进CHC算法CHC算法是Eshelman于1991年提出的一种改进遗传算法,第一个C代表跨世代精英选择(Crossgenerationalelitistselection)策略,H代表异物种重组,第二个C代表大变异。CHC算法与基本遗传算法不同点在于:1、选择通常,遗传算法是依据个体的适应度复制个体完成选择操作的,而在CHC算法中,上世代种群与通过新的交叉方法产生的个体群混合起来,从中按一定概率选择较优的个体。这一策略称为跨世代精英选择。蒋谢斧帛跋弯狡霖境廓起憾诊崖岔异悄倘勉峡摔础汹屯浇崭微邢宰韭汇吵遗传算法的改进遗传算法的改进2、交叉CHC算法使用的重组操作是对均匀交叉的一种改进。当两个父个体位置相异的位数为m时,从中随机选取m/2个位置,实行父个体位置的互换。显然,这样的操作对模式具有很强的破坏性。因此,确定一阀值,当个体间的海明距离低于该阀值,不进行交叉操作。并且,随着种群的进化,逐渐减小该阀值。3、变异CHC算法在进化前期不采取变异操作,当种群进化到一定的收敛时期,从优秀个体中选择一部分个体进行初始化。初始化的方法是选择一定比例的位置,随机决定他们的值。这个比例值称为扩散率,。渗碟刷尺括姥谈谰绰拌于弊频镊旧丙主爵瞄侠负厌墙限顶锅叹激栽劳帽见遗传算法的改进遗传算法的改进自适应遗传算法遗传算法的参数中交叉概率Pc和变异概率Pm的选择是影响遗传算法行为和性能的关键所在,直接影响算法的收敛性,Pc越大,新个体产生的速度就越快,然而Pc过大时遗传模式被破坏的可能性也越大,使得具有高适应度的个体结果很快就被破坏;但是如果Pc过小,会使搜索过程缓慢,一直停滞不前。对于变异概率Pm,如果Pm过小,就不易产生新的个体结构,如果Pm取值过大,那么遗传算法就变成了随机搜索算法。Srinvivas等提出了一种自适应遗传算法,Pc和Pm能够随适应度自动改变。彼齐右牙七刨瘟追硫尉帆很壤佐揪靴煮石妄屋个兢毋赫钱避馈削幅氛鹏指遗传算法的改进遗传算法的改进