一种遗传算法适应度函数的改进方案.doc

吉 林 农 业 大 学 专 业 结 课 论 文 题目名称： 基于STM32单片机的EMS液晶显示触摸屏设计 学生姓名： 冯超 院 系： 研究生学院 学 号： 2014年 11 月 27日 一种遗传算法适应度函数的改进方案 朱龙图 吉林农业大学信息技术学院，长春130118 摘 要：针对标准遗传算法效率不高，很容易陷入局部最优解的问题，提出了基于指数变换、指数系数随进化代数增加而逐渐增加的动态变化的适应度函数。并通过数值实验，和Goldberg的线性拉伸法及一般的指数变换法进行了比较，结果表明本文提出的适应度函数能极大地提高算法的优化精度、收敛速度和收敛概率。 关键词：遗传算法；适应度函数；指数变换；收敛速度 中图分类号：　　文献标识码：A　　 文章编号： DOI : An Improved Method to Fitness Function of the Genetic Algorithms ZHU Long-tu College of Information, Jilin Agricultural University，Changchun 130118，China Abstract: Standard genetic algorithm is not efficient since it is easy to fall into local optimal solution．To improve the efficiency of genetic algorithm，this paper proposes a new fitness function which based on index transformation. The index coefficient in it can adapt to evolutionary process of algorithm. Calculating with the proposed fitness function, linear scaling transformation fitness function of Goldberg and general index transformation fitness function respectively, numerical experiment has shown that the proposed fitness function can greatly improve the accuracy of optimization algorithms, the convergence speed and the probability of convergence. Key words: genetic algorithm; fitness function; index transformation; the convergence speed  遗传算法最早由美国的Holland教授提出，是借鉴生物界自然选择和进化机制发展起来的全局的概率有哪些信誉好的足球投注网站算法，其起源于对自然和人工自适应系统的研究[1]。遗传算法依靠选择操作模拟自然界中的“适者生存，优胜劣汰”这一过程，即选择操作来引导算法的有哪些信誉好的足球投注网站方向，而选择操作是以个体的适应度作为确定性指标，从当前群体中选择适应值高的个体以生成交配池。如此必然造成群体中基因信息的丢失，使群体中个体平均相似度增加，最终造成遗传算法早熟。文献［2］研究表明优化参数配置不当，遗传算法可能会出现不收敛的情况。为使遗传算法运用于工程结构优化领域，诸多学者对遗传算法做出不少改进[3-5]。大多数改进思想都是对遗传算法中的适应度函数、交叉概率和变异概率等方面进行改进，尤其以文献［5］中提出的自适应遗传算法为代表，其思想就是建立在个体适应度基础之上。此外，遗传算法本身是以激励机制——适应度函数为基础，故对适应度函数的改进应该是最基本的、最有效的改进方式。 因此，本文提出了一种基于指数变换、指数系数随进化代数增加而逐渐增加的动态变化的适应度函数。 1 适应度函数分析及其改进 遗传算法在进化有哪些信誉好的足球投注网站中基本不利用外部信息，仅以适应度函数为依据，利用种群中每个个体的适应度值来进行有哪些信誉好的足球投注网站，即使用个体的适应度值对解的质量进行评价，适应值越高，解的质量就越好，该个体被选择的概率就越