应用自适应混合遗传算法求解病态线性方程组.pdf

Vo l10　No9　M ar20 10 第 10卷 　第 9期 　2010年 3月 科 　学 　技 　术 　与 　工 　程 　 (2010) Science Technology and Engineering 　20 10　SciTechEngng 应用自适应混合遗传算法求解病态线性方程组 李鹏飞 　李鹏举 　赵建民　李井辉 (大庆石油学院 计算机与信息技术学院 ,大庆 163318) ( ) 摘 　要 　简单遗传算法 SGA 在进化的后期由于种群个体的多样性急剧降低 ,可能会收敛于局部最优解 , 即出现 “早熟 ”现 象 。针对简单遗传算法的早熟问题 ,从选择 、交叉和变异三个遗传算子入手 ,设计了自适应遗传算子 。同时为了克服 SGA 局 ( ) 部有哪些信誉好的足球投注网站能力差的缺点 ,结合共轭梯度法 ,实现了一种自适应混合遗传算法 A dap tive GA conjugate gradient, 即 A GA CG 。以核 磁共振测井曲线线性化后的大型病态方程组为测试实例 ,对 A GA CG算法进行了验证 。实验结果表明: A GA CG算法是求解 大型病态线性方程组的一种有效算法 。 关键词 　早熟 　　自适应遗传算法 　　适应度函数 　　病态线性方程组 中图法分类号 　TP301. 6; 　　　　文献标志码 　A 　　遗传算法由 Ho lland教授于 60 年代首先提出 , 各自领域的问题时 ,分别改进并提出了各 自的改进 起源于人们对 自然和人工 自适应系统的研究 ,是模 算法 [ 2—4 ] 。文献 [ 2 , 3 ]的改进均来源于 M. Srin iva s 拟生物在 自然环境中的进化过程而形成的一种全 所提出的自适应算法 [ 5 ] , 即根据当前个体的适应度 局优化概率有哪些信誉好的足球投注网站算法 。遗传算法通过执行选择 、交 值在整个解空间的分散程度 ,动态地改变 Pc 和 Pm , 叉 、变异运算步骤 ,来模拟生物种群 “优胜劣汰 ”的 当种群适应度值集中时 ,加大 Pc 和 Pm ; 当种群适应 ( ) 进化过程以达到优化 进化 的目的。由于遗传算 度值分散时 ,减小 Pc 和 Pm 。具体做法是对 Pc 和 法求解问题的过程具有全局并行的特点 ,人们认识 Pm 的计算公式作出改进 ,对于种群个体适应度分散 到可以使用遗传算法来解决优化一类的问题 [ 1 ] 。 还是集中的认定引入 a 和 b两个阈值 。文献 [ 4 ]中 然而简单遗传算法在算法有哪些信誉好的足球投注网站的后期 , 由于种 引入小生境技术 、种群迁移技术 、增加交叉个体间 群个体多样性急剧降低 ,群体中所有个体都陷于同 海明距离来增加进化过程中种群的多样性 ,但是小 一极值而停止进化 , 接近最优解 的个体总是被淘 生境技术要计算两个个体之 间的密切关系程度 汰 ,导致数值解收敛于局部最优 ,这种现象称之为 S ( dij ) 以及某个体和种群中其他个体之间的共享函