GENOCOP算法的初始種群的確定.pdf

1、遺傳算法是一類借鑒生物界自然選擇和遺傳機制的自適應全局優(yōu)化隨機搜索算法，由于遺傳算法具有直接對結構對象進行操作，不存在函數可微性和連續(xù)性的限定，具有全局性，魯棒性和隱并行性等優(yōu)越性，使得遺傳算法在各個領域得到了廣泛的應用。 本文簡要介紹了遺傳算法和遺傳算法當中的GENOCOP算法，并通過實例指出若遺傳算法的初始種群有偏的分散在局部可行域空間可能會對算法造成收斂速度慢和不能收斂到全局最優(yōu)解的影響。 初始種群若能比較均勻的遍

2、布在整個可行域，GENOCOP算法能較好的避免以上缺點。本文針對解決具有線性約束優(yōu)化問題的遺傳算法中的GENOCOP算法，提出了兩種設計初始種群的方法： 1.均勻初始化—在盒子約束的可行域選擇均勻分散可行點做初始種群。將遺傳算法的初始種群確定的問題對應于實驗設計中的多因素多水平的均勻設計，從而用較少的試驗次數，找到在整個可行域中比較均勻分布的初始種群。對均勻設計初始點給出了算法，并通過MATLAB實現，得出的結果和隨機法產生的結

3、果對比，可明顯看出均勻設計的優(yōu)越性。 2.邊界初始化—選擇邊界點做初始種群由于大多數時候優(yōu)化問題的最優(yōu)解在可行域的邊界上產生，選取邊界點做初始種群，使得解的搜索變得很有效率。這里給出兩種邊界初始化的方法： i.采用全部頂點做初始種群。 ii.求解出容量約為2n(n為等式約束的個數)的初始解集合做初始種群。 最后，給出了GENOCOP算法和改進的GENOCOP算法的收斂性證明，并通過一組具體的例子對改進的G