排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
基于改进模式提取变异算子的遗传算法 总被引:1,自引:0,他引:1
在经典遗传算法的基础上,提出了一种基于改进模式提取(Algorithm of pattern extraction,Alopex),种群个体的连续进化方向作为当前代个体的变异方向,并利用自适应来调整变异步长,通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明,基于该变异算子的遗传算法能较好地避免收敛到局部最优,收敛性能优于经典遗传算法。 相似文献
2.
粗粒度并行遗传算法收敛性分析及优化运算 总被引:11,自引:0,他引:11
提出了一种新型的粗粒度并行遗传算法(CGGA),该算法利用多个子种群基于不同的编码方式进行进化计算.首先各子群体独立进行交叉、变异和选择遗传操作,每代进化后迁移算子被引入用来进行种群问的信息交流,迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化.基于时齐遍历马尔可夫链理论,给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵,证明了以概率1全局收敛.对典型的测试函数CGGA进行了求解.仿真结果表明,本算法的收敛性能优于经典遗传算法(CGA),可以有效解决CGA的过早收敛问题. 相似文献
1