《标准遗传算法SGA的改进》由会员分享，可在线阅读，更多相关《标准遗传算法SGA的改进（5页珍藏版）》请在装配图网上搜索。
1、标准遗传算法SGA勺改进关健词：标准遗传算法SGA转基因算子；单亲遗传算子；三等分割算法；IHGA:AimingatthedefectsofSGA,putsforwardsomemeasuresofimprovingthe.Includingthepartheno-geneticoperatorsandtransgenicoperator.Andputforwardthestronglocalsearchabilityandfastconvergencespeedofthreesegmentationalgorithm,mixedwithIGAandIHGA.Theresultsshowtha
2、ttheresultsofengineeringexamples,theoptimumdesignofIHGAnotonlyensuresthestabilityofdeepfoundationpit,andreducesthecostofengineeringmaterials.1引言GA是美国密歇根(Michigan)大学教授JHHolland于20世纪70年代提出的一种非确定性优化算法，是一种借鉴基因遗传机理和达尔文适者生存的自然选择原则，模拟自然进化过程，基于群体随机化的搜索算法。GA在优化过程中，算法在整个种群(Population)空间内随机搜索，按照一定的评价策略得到每个个体的评
3、价，并且通过选择算子(SelectionOperator)、交叉算子(CrossoverOperator)、变异算子(MutationOperator)的作用使种群不断进化，从而使问题的结果被不断优化直至达到最优。20世纪90年代初，为了让计算机自动地进行程序设计，JRKoza使用GA的基本思想，提出了遗传程序设计(GeneticProgramming)的概念。现在，JHHolland提出的遗传算法通常被称标准遗传算法(SGA)。由于解决不同非线性问题的鲁棒性、全局最优性及不依赖于问题模型的特性、可并行性的高效率、不需要梯度信息及函数的连续性、对目标函数及约束条件也没有苛刻要求。这种算法正引起
4、人们研究及应用的热潮。2SGA勺缺点尽管SGAM有解决不同非线性问题的鲁棒性、全局最优性及不依赖于问题模型、可并行性的高效率、不需要梯度信息及函数的连续性、对目标函数及约束条件也没有苛刻要求等其它传统的优化方法无法比拟的优越性能，但是SGAti!存在着一些缺点152oSG珏质上是一种随机搜索优化算法，当问题规模较大或问题较复杂时，由于被搜索的空间非常大，从而导致SGA勺收敛速度很慢。加上SG珏身存在群体分散性和未成熟收敛之间的矛盾，这给SGA勺实际应用带来了很大的不便。另外，它有一个主要的缺点是过早收敛，由于SGA中选择、交叉和变异等算子的作用，使得一些优秀的基因片段过早丢失，从而限制了搜索范
5、围，使得搜索只能在局部范围内找到最优值，而不能得到满意的全局最优解，过早收敛在$6人中很普遍，而且比较难克服。2.1 易出现未成熟收敛SG好的选择、交叉和变异算子是主要的遗传算子。选择算子体现适者生存的原则；交叉算子是组合父代群体中有价值的信息，产生新的后代，具有遗传功能；变异算子的作用是保持群体中基因的多样性。随着SGA勺收敛，多样i逐步减小，SGA中多样性减小与SGA攵敛本质上是一致的，只是有时不能收敛到全局最优点，而是收敛到局部极值点。其原因是SGA勺选择操作以适应度为依据来选择父代染色体，使适应度好的个体数量增加，适应度差的个体数量下降，种群的适应度有逐渐趋于一致的现象，使种群的多样性
6、变差。由于种群中个体的适应度不断地接近平均适应度，使得这些非最优个体或模式在群体中所占的比例不断加大，占据统治地位，进而产生随机漫游现象，最后使SGA自入局部极值，即收敛于局部最优解。JHHolland提出的模式定理是SGA勺基础理论。但模式定理只揭示种群平均适应度的进化过程，对种群中个体的分布情况并未给出结果。我们知道种群只有在保持一定的多样性的情况下才能提高SGA勺进化效率和计算稳定性。SG隋在未成熟收敛问题的主要原因是算法进化到某一代时，种群中出现某一超常个体，它的适应度远远大于其它任何个体的适应度，使得选择算子选择许多此类个体，造成SGA勺交叉及变异算子的操作失效。从理论上来考虑，SG
7、A中的变异算子可以使算法跳出未成熟收敛。但是，为了保证算法的稳定性，变异算子的变异概率通常取值很小(0.005-0.05)，所以算法一旦出现未成熟收敛，仅靠传统的变异算子需要较多代才能变异出一个不同于其它个体的新个体，而且，如果新个体的适应度远远小于种群的平均适应度，那么新个体在下一轮被选择算子选中的概率非常小。因此，种群的多样性差是造成SG际稳定和未成熟收敛的原因，应在种群多样性变差之前，采取相应的措施，维持种群的多样性。2.2 最优个体被破坏而发生振荡在SGA勺运行过程中，通过对种群进行交叉、变异等进化操作可以不断地产生新个体，随着群体的进化，交叉、变异算子会产生越来越多的优良个体，但由于
8、传统的交叉、变异等进化操作首先随机生成需要交叉、变异操作的父代群体，然后对选出来的父代群体随机配对，依据事先设定的交叉、变异概率进行交叉、变异操作。不难看出整个交叉、变异操作过程没有考虑个体的适应度大小，随机性极强，致使父代种群当中适应度好的优秀个体极容易遭到破坏，使得劣质后代很可能取代优质双亲，这会在很大程度上降低群体的平均适应度，并对算法的运行效率、收敛性产生不利的影响。2.3 局部搜索能力较差尽管SGAt匕其它传统搜索方法具有更强的稳健性，但研究发现，SG湎以用极快的速度达到最优解的90溢右，但要达到最优解则要花费很长的时间。这主要是由于SGAR多个个体组成的群体进行搜索，因此可以很快找到最优点的区域。但在进化后期，群体中的个体差别较小，个体的适应度与群体的平均适应度非常接近，使得选择压力减小，因而难以搜索到更优的个体。2.4 结构重分析现象SGAE优化设计应用中，存在着大量的结构重分析现象，因计算量过大，导致搜索效率不高。这是SGAE优化设计中应用的主要障碍，因此，在运用SGA4行优化设计时，应设法减少计算过程中的迭代次数或者加速其收敛速度。3SGA勺改进措施
标准遗传算法SGA的改进
