一种结合云模型思想的粒编码遗传算法  

A GRANULAR CODING GENETIC ALGORITHM COMBINING CLOUD MODEL THOUGHTS

作　　者：阎高伟[1] 石兵[1] 

机构地区：[1]太原理工大学信息工程学院,山西太原030024

出　　处：《计算机应用与软件》2014年第11期269-274,共6页Computer Applications and Software

基　　金：山西省自然科学基金项目(2011011012-2;2011011011-1);山西省青年基金项目(2010021016-1)

摘　　要：以实现对解空间某一邻域进行一定密度的采样为目标,采用云模型的思想改进遗传算法,设计粒编码方式下个体的表现形式以及个体的评价方法,并针对数值优化问题形成遗传算子和基于粒编码方式的遗传算法GCGA(Granular coding genetic algorithm)。10个常见函数的数值优化实验表明,GCGA能够跳出局部最优点,搜索到全局最优点;与GA(Genetic Algorithm)和PSO的优化结果进行对比,表明GCGA是一种优秀的改进的进化算法。To reach the goal of sampling with certain density in a certain neighbourhood of the solution space,we use cloud model thoughts to improve the genetic algorithm,and design the manifestation and evaluation method of individuals in granular coding manner.Meanwhile,in light of the numerical optimisation issue,the genetic operator and the granular coding manner-based genetic algorithm（ GCGA） are formed.Experiment of numerical optimisation in regard to 10 common functions show that the GCGA is able to escape from local optimal point and to search the global optimum.Comparison with the optimisation results of GA and PSO illustrates that GCGA is an excellent and improved evolution algorithm.

关 键 词：遗传算法 云模型 粒 粒编码方式 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]