基于交叉模型的改进遗传算法  

An improved genetic algorithm based on crossover model

作　　者：杨新武[1,2,3] 杨丽军[1,2,3] 

机构地区：[1]北京工业大学计算机学院,北京100124 [2]北京工业大学多媒体与智能软件技术北京市重点实验室,北京100124 [3]北京工业大学大规模流数据集成与分析技术北京市重点实验室,北京100124

出　　处：《控制与决策》2016年第10期1837-1844,共8页Control and Decision

基　　金：国家自然科学基金重大研究计划培育项目(91546111);北京市教委项目(PXM2015 014204 500221)

摘　　要：提出一种解决早熟收敛问题的改进遗传算法.通过最小生成树聚类将种群划分为若干个子种群,子种群内的个体之间及不同子种群间的个体之间同时进行遗传操作.同子种群间个体的遗传操作可以保证算法的进化方向和收敛速度,不同子种群间个体的遗传操作可以避免近亲繁殖,提供多样性.分别采用二进制和实数编码,在经典的23个基准函数上的对比测试结果表明,所提出算法具有较好的收敛速度和寻优能力.An improved genetic algorithm is proposed for solving premature convergence. Firstly, the population is divided into several sub-populations by the minimum spanning tree clustering. Then, the genetic operation is performed among individuals within sub-population which ensures the evolution direction and speed, and that among individuals between different sub-populations which provides diversity by avoiding inbreeding. The experimental results on 23 benchmark functions using binary and real-valued representations show that the proposed algorithm has better convergence and faster speed to get the optimal solution.

关 键 词：遗传算法 早熟收敛 最小生成树聚类 多样性 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]