進化算法動態(tài)種群規(guī)模的研究與應用.pdf

1、種群規(guī)模的選擇在進化算法的應用中十分重要。種群規(guī)模過大時雖然能夠擴大搜索空間，提高找到全局最優(yōu)解的概率，但是會減緩收斂速度，增加運行時間；種群規(guī)模過小又會導致搜索能力不足，無法找到更多的有效區(qū)域，對于復雜的多峰問題，還容易陷入局部最優(yōu)，導致早熟收斂，降低了算法的健壯性和魯棒性。事實上，在遺傳算法的運行的不同階段需求不同大小的種群規(guī)模。另外，保持種群的多樣性對遺傳算法的搜索過程也十分重要。高度的多樣化不僅可以增加種群的搜索收斂，還使種群在

2、面對環(huán)境變化的時候更加健壯。因此，本文的研究目標是創(chuàng)建和維持一個具有高適應度個體的多樣化的種群規(guī)模動態(tài)變化的種群，能在種群中同時提高種群的多樣性和適應度。
　　本文的主要工作和成果如下：
　　1.本文對進化算法的動態(tài)種群規(guī)模和多樣性控制的現狀進行綜述，分析了目前流行的方法存在的問題和缺點，并提出了改進的方向和策略。
　　2.針對進化算法求解高維多峰函數優(yōu)化問題時，容易出現早熟收斂的問題，提出了基于精英個體的可變種群規(guī)模

3、的遺傳算法。相對于現有的先確定種群規(guī)模再產生相應數目的個體的情況，本文基于自然界生物進化中種群規(guī)模由子代個體質量決定的規(guī)律，采用了根據產生的個體的精英程度（多樣性貢獻和適應度）決定該個體是否進入種群的策略。
　　3.針對問題的不同階段需求的種群規(guī)模大小不同的問題，提出了根據算法的收斂程度動態(tài)調整多樣性閾值的策略，提高了算法的魯棒性。
　　4.針對種群進化過程中多樣性丟失導致算法易陷入局部最優(yōu)值的問題，對種群規(guī)模動態(tài)調整過程中