动态环境下的元胞遗传算法研究

为了使遗传算法也能用于非静态优化问题,文中通过标准移动峰函数的测试,分析了动态环境下元胞遗传算法的适应性能和精确性能。同时用实验验证了元胞遗传算法比标准遗传算法具有更好的求解效果。     

一种具有演化规则的元胞遗传算法

 本文根据元胞个体密度与分布的演化规则,考虑整个空间元胞个体动态的相互作用,从更为真实模拟自然界的角度出发,提出了具有演化规则的元胞遗传算法(CEGA),并得到了算法中元胞演化选取准则. 通过复杂典型测试函数的仿真实验结果表明,该算法较一般元胞遗传算法和一般遗传算法具有更好地维持群体多样性的能力,以利于有效地进行全局探索,逃出局部优,并具有更快的寻优速度. 通过采用不同演化规则实验比较,得出中等密度分布的元胞个体有利于求解问题.     

元胞遗传算法的多样性研究

探讨了元胞遗传算法中种群多样性对全局寻优/局部收敛平衡的意义,提出了基于邻域结构内元胞遗传算法的多样性度量方式,并提出了改变遗传算子的元胞遗传算法来维持进化过程种群的多样性,算法将元胞空间网格嵌入到种群空间中,模拟遗传操作在相邻个体之间进行。该算法不仅提高了全局搜索能力,且在维持种群多样性方面有一定优势。