基于兩點交叉多子代遺傳算法

王福林，付曉明，朱會霞，趙勝雪（.東北農業大學工程學院，哈爾濱　50030；.遼寧工業大學管理學院，遼寧　錦州　00）

?

基于兩點交叉多子代遺傳算法

王福林1，付曉明1，朱會霞2，趙勝雪1
（1.東北農業大學工程學院，哈爾濱150030；2.遼寧工業大學管理學院，遼寧錦州121001）

摘要：針對目前遺傳算法局部搜索能力差、收斂精度低問題，提出基于兩點交叉多子代遺傳算法（TPCMCGA），闡明該算法優越性，并給出多子代個體產生方法。該方法可增加優秀個體概率及算法在當前最優解周圍搜索精度，提高算法局部搜索能力。在進化策略中引入種群內部競爭操作，使種群在有限生存空間內加速進化，提高算法運算速度。結果表明，與傳統遺傳算法相比，TPC-MCGA平均計算時間減少31%～36%，平均迭代次數減少50.2%～51.6%，TPC-MCGA運算速度與最優解精度均明顯提高。

關鍵詞：多子代遺傳算法；兩點交叉；子代數量；進化策略

王福林,付曉明,朱會霞,等.基于兩點交叉多子代遺傳算法[J].東北農業大學學報,2016,47(3):72-79.

Wang Fulin,Fu Xiaoming,Zhu Huixia,et al.Multi-child genetic algorithm based on two-point crossover[J].Journal of Northeast Agricultural University,2016,47(3):72-79.(in Chinese with English abstract)

遺傳算法（Genetic algorithm，GA）是借鑒生物界自然選擇和進化機制發展起來的高度并行、隨機、自適應智能優化算法[1-3]，由John H.Holland教授于1975年首次提出[4]。與傳統優化算法相比，遺傳算法具有良好魯棒性、靈活性、通用性及較強全局搜索能力[5-7]，受到廣泛關注。但遺傳算法局部搜索能力較差，算法進化后期搜索效率較低、收斂精度和運算速度均難提高[8-9]。針對遺傳算法不足，近年研究者不斷改進。Zhang等在遺傳算法中引入模擬退火機制，將模擬退火與遺傳算法結合，提高算法局部搜索能力[10]?！?br>