共查询到20条相似文献，搜索用时 250 毫秒
1.
针对传统遗传算法在巡回商旅问题优化计算中存在的弊端——收敛速度慢,迭代次数多。在传统遗传算法基础上,设计出一种加入人工选择和定向突变的优化改进算法。该优化算法通过人工方法保存具有有利变异个体和淘汰具有不利变异个体,有利变异个体进行杂交和变异,从而提高遗传算法的收敛速度,减少遗传算法的迭代次数。同时针对遗传算法易陷入局部最优解的情况,在优化算法中引入自适应参数算法,针对遗传算法的不同阶段,实现杂交概率和变异概率的自适应调节,防止算法陷入局部最优解。最后,采用国际标准的TSP测试集(TSPLIB)对优化算法的优良性进行验证,实验表明,对比其他算法,该优化算法在TSP最优解的质量上提高10%左右。 相似文献
2.
一种引入强制变异的改进遗传算法 总被引：1，自引：0，他引：1
针对常用遗传算法存在容易产生过早收敛的问题,提出了一种将强制变异、最佳解保留和自适应交叉变异参数调整相结合的改进遗传算法。这种方法将进化过程中群体的平均适应度与最大适应度进行比较,以确定是否需要对群体实施强制变异或采用自适应交叉、变异概率调整。数值模拟的结果表明,这种方法可有效地克服早熟现象,提高全局优化能力 相似文献
3.
属性约简是粗糙集理论中的一个核心问题,为获得有效的最小相对属性约简,利用自适应遗传算法实现粗糙集属性约简。自适应遗传算法根据个体适应值动态调整个体的交叉概率和变异概率,提高了遗传算法的寻优能力和收敛速度。 相似文献
4.
5.
6.
从遗传算法的应用入手,阐述了遗传算法的相关概念和执行流程,深入研究了遗传算法在题库选题系统中的应用,探讨了初始种群、适应度函数、选择算子、交叉算子、变异算子的设计方法,并给出了关键实现代码。遗传算法为题库选题提供了高效的解决方案,能够取得良好的选题效果。 相似文献
7.
遗传算法中编码机制对交叉和变异的搜索能力有重要影响,为了弥补单一编码遗传算法求解复杂问题时所带来的局限性,混合编码遗传算法受到越来越多的研究者关注。本文重点介绍了混合编码遗传算法中的混合编码问题——多参数级联和多参数交叉编码,分析了由二进制,十进制和浮点数等编码组成的混合编码遗传算法的几种实现过程以及混合编码遗传算法在各行业的应用。 相似文献
8.
9.
设计了改进的遗传算法,通过内外两层的选择、交叉和变异等遗传操作,快速逼近最佳阈值,大大缩短最佳阈值图像分割中阈值的选取时间,提高分割效率;通过实验比较,证实改进的遗传算法在最佳阈值的图像分割上优于传统的遗传算法。 相似文献
10.
11.
12.
13.
遗传算法属于进化算法（Evolutionary Algorithms）的一种,它通过模仿自然界的选择与遗传机理来寻找最优解。遗传算法具有与问题领域无关且快速随机的搜索能力,搜索从群体出发,具有潜在的并行性,可以进行多个个体的同时比较,搜索使用评价函数启发,过程简单,使用概率机制进行迭代,具有随机性,具有可扩展性,容易与其它算法结合。基本01背包问题,提出遗传问题解决的关键技术,设计评价函数和遗传算子,并通过散播变异、移位变异、插入变异改进Ol背包问题中的遗传算法,很好地解决了遗传问题。 相似文献
14.
根据遗传算法和人工蜂群算法各自特点,在遗传算法框架上,利用人工蜂群算法中跟随蜂选择\搜索策略,代替遗传算法中的变异操作,提出一种基于人工蜂群算法跟随蜂选择\搜索的混合遗传算法,并应用到0-1背包问题中。实验结果表明了该算法的有效性。 相似文献
15.
16.
针对传统的遗传算法收敛慢的问题,提出了一种改进的遗传算法并将其应用在学生成绩预测中.所采用的遗传算法改进策略包括:(1)采用实数进行编码;(2)建立个体适应值函数进行个体评价;(3)使用新的选种策略;(4)改进了杂交过程;(5)修改了入选概率小于变异概率的个体变异策略;(6)优化了算法结束条件.本文将BP神经网络和改进的遗传算法相结合构造学生成绩预测模型.实验结果表明,在误差的收敛速度以及成绩预测的准确性方面,本文提出的模型都获得了令人满意的性能. 相似文献
17.
18.
19.
研究了基于遗传算法和差分进化计算的入侵检测系统中的特征选择技术,差分进化计算在变异过程中并未考虑到适应度大的个体,同时存在过早收敛问题,而遗传算法需要很多的迭代次数才能收敛.针对以上缺点,结合模拟退火算法对差分进化的变异过程进行改进,同时设计合理的适应度函数,使得该算法收敛于最优特征子集.经过Lincoln实验室入侵检测系统评估数据集合MIT' 1998测试,改进算法与差分进化算法和遗传算法相比,具有良好的收敛性能,并且收敛特性稳定. 相似文献
20.
遗传算法是一种模拟自然界生物进化的搜索算法,经典遗传算法采用的都是固定参数,这是对性能的一种局限和束缚。为解决这些问题,在算法中引入自适应遗传算法(AGA),即交叉概率Pc和变异概率Pm能够随适应度自动改变。自适应遗传算法在保持群体多样性的同时,保证遗传算法的收敛性。AGA由于改进了各遗传算子的参数,使算法能够适应于种群进化各个阶段的特征,使算法的优化效率和解的质量得到提高。本文将遗传算法和投资组合结合起来,提出了基于遗传算法下的投资组合模型,并举例验证。 相似文献