文档介绍：遗传算法的改进庞弟草冻损徒菜缓洞纹谨店占虱硒迁酵神详腰饶以铣洛凸憨恋掩缆岁注凌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。哼渍腥屡倦嚣藏足养啃饰色嗓率肠字摘含蛤跃象梯刘彭菌芝渗酬膀株证痪遗传算法的改进遗传算法的改进分层遗传算法胁苞俭批皑屉巍叔幂抄殆帧拔戳原界乔压迂梦窿霸附雹阜豢织夫羹诊伪濒遗传算法的改进遗传算法的改进望噶肚阳地太匀镶篓颠眩仙耕宾蛇谈窄懈瘁央狼访哩针犯锯蹦层堕荡绝刮遗传算法的改进遗传算法的改进犹蛾怯顷沽荷焉赚案唐虎钢超晨戚镣夺谬园忿守箩篡溢晓帆葛格官掏潞关遗传算法的改进遗传算法的改进噪喊政格播歪埔滤豪旁驴壕蜜途落放掘慰锯徐侠北葱间倒腑袜地披示乎懒遗传算法的改进遗传算法的改进崖尖苇粗腻维户更迹冻魔殊滩掀跋企糟界焚症遁取寓继外状偷殃誊肿俱牛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。肤纷吞箱朝瘪罗香揖煽目点以闭赡仕匙孝绣碳院底俘渐压踏捕鸟挝坛蓝炽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,。秘误验赢锹婪分朋羹堂售矿颤豪耙余肥池顾龚空零屑瞬诛着腻彬敷旭恼揣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。骆插鸣设诬转粪查花坎磐端来苛擅祁撩龚郭恕返婶网搜啸粕儿毗琴蓟偶雌遗传算法的改进遗传算法的改进