一种提高局部搜索能力的混合遗传算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种提高局部搜索能力的混合遗传算法

田延硕, 刘晓云

文章导航 > 电子科技大学学报 > 2006 > 35(2): 232-234,256

田延硕, 刘晓云. 一种提高局部搜索能力的混合遗传算法[J]. 电子科技大学学报, 2006, 35(2): 232-234,256.

引用本文:

田延硕, 刘晓云. 一种提高局部搜索能力的混合遗传算法[J]. 电子科技大学学报, 2006, 35(2): 232-234,256.

TIAN Yan-shuo, LIU Xiao-yun. A Mixed Genetic Algorithm of Improve Local Search Ability[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 232-234,256.

Citation:

TIAN Yan-shuo, LIU Xiao-yun. A Mixed Genetic Algorithm of Improve Local Search Ability[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 232-234,256.

一种提高局部搜索能力的混合遗传算法

1.
电子科技大学自动化工程学院成都 610054

作者简介:
田延硕(1975-),男,硕士生,主要从事智能计算、系统辨识方面的研究.

中图分类号: TP18

A Mixed Genetic Algorithm of Improve Local Search Ability

1.
School of Automation Engineering.,UEST of China Chengdu 610054

摘要: 针对遗传算法局部搜索能力弱的缺陷,提出了一种改进的混合遗传算法。根据遗传的不同阶段分为两个不同的群体——竞争群体和适应性群体,提出相关的遗传算子——繁殖因子。将运筹学中的单纯形法应用于遗传算法中,增强了遗传算法的局部搜索能力。对复杂函数的寻优实验验证了混合遗传算法的有效性,并通过与传统SGA的实算结果对比,更进一步说明了算法的改进效果。
- 遗传算法 /
- 竞争群体 /
- 适应性群体 /
- 繁殖因子 /
- 单纯形算法 /
- 混合遗传算法
Abstract: There are some limitations that using genetic algorithms. This paper presents the Mixed Genetic Algorithm(MGA). Based on the phase of genetic, the colonies are differentiated to two different colonies-adaptive population and competing population. The correlated operator, propagate gene, is brought forward. The local search ability of the genetic algorithm is enhenced by using the simplex algorithm of operational research. The emulation experiment data shows the optimizing convergence reliability and higher converging velocity.
- genetic algorithm /
- adaptive population /
- competing population /
- propagate gene /
- simplex algorithm /
- mixed genetic algorithm

[1]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[2]	薛羽, 庄毅, 朱浩, 张友益礻禹. 求解协同干扰问题的高效免疫遗传算法 . 电子科技大学学报, 2013, 42(3): 452-458. doi: 10.3969/j.issn.1001-0548.2013.03.026
[3]	郑世明, 高志年, 韦伟, 苗壮, 邵荣明. 基于云模型的网格任务调度遗传算法研究 . 电子科技大学学报, 2012, 41(6): 911-915. doi: 10.3969/j.issn.1001-0548.2012.06.018
[4]	王江安, 庄奕琪, 周清军. 遗传算法抑制BOC(1,1)信号多径研究 . 电子科技大学学报, 2010, 39(1): 45-49. doi: 10.3969/j.issn.1001-0548.2010.01.011
[5]	刘洪武, 冯全源. MC-CDMA系统中基于遗传算法的多用户检测 . 电子科技大学学报, 2008, 37(4): 485-488.
[6]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[7]	杨波, 徐渊, 朱明程, 李广军. 一种改进的遗传算法进化有限状态机 . 电子科技大学学报, 2007, 36(2): 196-198,209.
[8]	王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化 . 电子科技大学学报, 2007, 36(1): 137-139,153.
[9]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[10]	郑鹏, 何同林, 刘郁林, 彭启琮, 尤春艳. 基于实数编码遗传算法的盲信源分离方法 . 电子科技大学学报, 2006, 35(3): 295-297,327.
[11]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[12]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[13]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[14]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.
[15]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[16]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[17]	饶克谨, 苟益. 电路模拟吸收体的遗传算法设计 . 电子科技大学学报, 2000, 29(1): 54-60.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.
[20]	潘中良, 陈光. 测试图形生成的遗传算法研究 . 电子科技大学学报, 1997, 26(5): 511-514.

WeChat

点击查看大图

计量

文章访问数: 3463
HTML全文浏览量: 152
PDF下载量: 89
被引次数: 0

一种提高局部搜索能力的混合遗传算法

1. 电子科技大学自动化工程学院成都 610054

作者简介:
田延硕(1975-),男,硕士生,主要从事智能计算、系统辨识方面的研究.

收稿日期: 2004-06-03
刊出日期: 2006-04-15

中图分类号: TP18

关键词:

摘要: 针对遗传算法局部搜索能力弱的缺陷,提出了一种改进的混合遗传算法。根据遗传的不同阶段分为两个不同的群体——竞争群体和适应性群体,提出相关的遗传算子——繁殖因子。将运筹学中的单纯形法应用于遗传算法中,增强了遗传算法的局部搜索能力。对复杂函数的寻优实验验证了混合遗传算法的有效性,并通过与传统SGA的实算结果对比,更进一步说明了算法的改进效果。

English Abstract

田延硕, 刘晓云. 一种提高局部搜索能力的混合遗传算法[J]. 电子科技大学学报, 2006, 35(2): 232-234,256.

引用本文:

田延硕, 刘晓云. 一种提高局部搜索能力的混合遗传算法[J]. 电子科技大学学报, 2006, 35(2): 232-234,256.

TIAN Yan-shuo, LIU Xiao-yun. A Mixed Genetic Algorithm of Improve Local Search Ability[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 232-234,256.

Citation:

TIAN Yan-shuo, LIU Xiao-yun. A Mixed Genetic Algorithm of Improve Local Search Ability[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 232-234,256.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发