多模態(tài)優(yōu)化的混合小生境遺傳算法.pdf

1、在現(xiàn)實(shí)世界中許多實(shí)際問(wèn)題都是多模態(tài)優(yōu)化(multimodal optimization)問(wèn)題，即問(wèn)題存在多個(gè)最優(yōu)解，或者存在一個(gè)全局最優(yōu)解以及若干局部最優(yōu)解；類似地，數(shù)學(xué)中也存在具有多個(gè)極值點(diǎn)的多峰(multipeaked)函數(shù)。標(biāo)準(zhǔn)遺傳算法(SGA)具有概率選擇機(jī)制和全局搜索的特點(diǎn)，在解決多模態(tài)優(yōu)化問(wèn)題中具有一定的可能性。標(biāo)準(zhǔn)遺傳算法由于交叉算子的隨機(jī)配對(duì)機(jī)制，可能會(huì)使位于不同峰值附近的個(gè)體發(fā)生交叉后，雙方偏離各自的峰點(diǎn)；而且由于搜索

2、過(guò)程中適應(yīng)度小的模態(tài)不斷地被淘汰，因此很難同時(shí)搜索出多個(gè)極值點(diǎn)，往往僅能收斂到一個(gè)模態(tài)。為此，人們提出多模態(tài)遺傳算法(MGA.Multi-modal Genetic Algorithms)，用來(lái)尋找多模態(tài)函數(shù)的多個(gè)峰(或局部極值點(diǎn))。
　　 本文提出一種混合小生境遺傳算法，這是一種把峰半徑自適應(yīng)控制方法和聚類算法以及順序小生境遺傳算法相結(jié)合的混合小生境遺傳算法。本算法可以在無(wú)需提供峰半徑或峰個(gè)數(shù)的前提下，搜索到并維持優(yōu)化問(wèn)題解空

3、間中的多個(gè)峰。該方法將峰半徑作為決策變量編碼為染色體中的一部分，在對(duì)決策變量進(jìn)行優(yōu)化的同時(shí)，對(duì)峰半徑進(jìn)行動(dòng)態(tài)調(diào)整。用聚類算法得山每次運(yùn)行遺傳算法結(jié)束時(shí)的聚類中心，這樣可以減少算法的計(jì)算時(shí)間(或計(jì)算復(fù)雜度)。
　　 這種算法能夠輕易的找出多模態(tài)問(wèn)題的多個(gè)解，包括全局最優(yōu)解和局部最優(yōu)解，并且不需要知道所求問(wèn)題的峰的情況。對(duì)于很多實(shí)際問(wèn)題是很有效的。但是這種算法在求解不知道峰的個(gè)數(shù)的情況時(shí)，到結(jié)束時(shí)需要進(jìn)行連續(xù)幾次迭代才能判別是否已經(jīng)