基于多種群遺傳?模式搜索算法的函數優化與仿真

摘 要： 為改善遺傳算法局部尋優能力較差和易早熟的固有缺陷，提出一種多種群遺傳?模式搜索算法。算法利用遺傳算法的強全局搜索能力，模式搜索算法的局部尋優精度高的優勢及多種群的多樣性，加入人工選擇算子保留各種群最優值，以提高遺傳算法的收斂性，并且對各種群采用不同控制參數兼顧算法的全局搜索和局部搜索。通過對復雜函數進行仿真測試，結果表明多種群遺傳?模式搜索算法比單獨使用標準遺傳算法和多種群遺傳算法精度高，而且可跳出局部最優，快速收斂，是一種有效可行的優化算法。

關鍵詞： 多種群遺傳算法； 模式搜索算法； 復雜函數優化； 仿真運算

中圖分類號： TN911?34； TP301.6 文獻標識碼： A 文章編號： 1004?373X（2013）10?0001?03

遺傳算法（Genetic Algorithm，GA）[1]是基于生物進化機制的隨機搜索算法，其本質是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應地控制搜索過程以求得最優解，且它不依賴于問題的具體領域、具有強魯棒性。然而，盡管遺傳算法有很多優點，但目前存在的問題依然很多，其具體表現為：遺傳算法的早熟現象，即很快收斂到局部最優解而不是全局最優解[2]；快要接近最優解時在最優解附近左右擺動，收斂較慢[3]；接近最優解的個體總是被淘汰，進化過程不收斂。對此，本文將多種群遺傳算法和模式搜索法相結合。采用多個種群并行進化，拓寬搜索空間，增加群體多樣性；各種群取不同的控制參數（交叉，變異概率），這樣就彌補了簡單遺傳算法的不足[4]；……