一种基于引向因子和反向搜索的改进遗传算法  

An Improved Genetic Algorithm Based on Orientation Factor and Opposition Search

作　　者：瞿颜[1] 袁建涛[1] 郭陈江[1] 丁君[1] 

机构地区：[1]西北工业大学电子信息学院,陕西西安710129

出　　处：《计算机仿真》2015年第1期301-305,445,共6页Computer Simulation

基　　金：总装预研重点基金(9140A01010412HK03004);航天创新基金(HTCXJJKT-22)

摘　　要：针对标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题,提出了一种改进的遗传算法,对标准算法的交叉算子进行了改进——加入了引向因子,使参与交叉的个体向着最佳个体靠近,同时,还加强了群体之间的信息共享机制,使交叉运算中个体搜索方向受到更多个体的影响,使得算法不易陷入局部收敛。并将反向搜索技术结合到上述改进遗传算法之中,增加了算法探索新的解空间的能力,从而提高算法的全局搜索能力,改善了全局解的精度。最后,使用改进后的算法对5组典型的复杂测试函数进行优化,将优化结果与标准算法优化结果进行对比,结果表明改进的算法有效地克服了标准遗传算法应用于数值优化时存在收敛缓慢、易早熟收敛及收敛精度低的问题。In order to solve the problem of random search direction and slow convergence speed of standard genetic algorithm （SGA）, an improved genetic algorithm（IGA） is proposed. The orientation factor is introduced in the crossover operator, so that the individuals taking part in crossover moves towards the best, therefore, the convergence speed is picked up. By enhancing the information sharing mechanism of the population and using opposition search technology, premature convergence is prevented and the precision of the solution is improved. The simulation results show that the proposed method not only accelerates the convergence but also possesses high precision and strong global searching capability.

关 键 词：全局优化 遗传算法 引向因子 信息共享 反向搜索 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]