一种改进选择算子的遗传算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 44-49.

一种改进选择算子的遗传算法

陈有青¹,徐蔡星¹,钟文亮²,张军²

1.中山大学软件学院，广州 510275
2.中山大学计算机科学系，广州 510275

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 陈有青

Genetic algorithm with improved selection operator

CHEN You-qing¹,XU Cai-xing¹,ZHONG Wen-liang²,ZHANG Jun²

1.School of Software，Sun Yat-sen University，Guangzhou 510275，China
2.Department of Computer Science，Sun Yat-sen University，Guangzhou 510275，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: CHEN You-qing

摘要/Abstract

摘要： 遗传算法（Genetic Algorithm，GA）是一种模拟生物进化的智能算法，被广泛应用于求解各类问题。简单遗传算法（Simple GA）仅靠变异产生新的数值，常常存在搜索精确度不高的问题。针对这个问题，对SGA的选择算子进行改进，即把相似个体分在同一组中，以组为单位进行选择，并通过该组个体的特点进行高斯搜索生成新的群体。这样使得GA在搜索过程中不仅可以很好地保持个体的多样性，并且可以提高解的精确度。通过对11个函数（单峰和多峰）的仿真实验，证明了采用新的选择算子后，GA在求解问题的精确度上有了很大地改善。

关键词: 演化计算, 遗传算法, 选择算子, 轮盘赌法, 高斯搜索

Abstract: Genetic Algorithm（GA） is an intelligent algorithm by simulation of biological evolution.It has been widely used to solve various problems.Because the Simple Genetic Algorithm（SGA） produces a new value that is only dependent on the mutation operator，it often obtains a solution without high accuracy.To overcome it，an improved selection operator for GA is proposed in this paper.In the new selection operator，chromosomes with similar fitness are divided into the same group，and the new individuals are generated by Gaussian search which is affected by all old chromosomes of the group.According to the experimental results with 11 benchmark functions，it is proved that with the new selection operator，GA will maintain the diversity and get higher accuracy than SGA does.

Key words: evolutionary computation, genetic algorithm, selection operator, roulette method, Gaussian search

陈有青¹,徐蔡星¹,钟文亮²,张军². 一种改进选择算子的遗传算法[J]. 计算机工程与应用, 2008, 44(2): 44-49.

CHEN You-qing¹,XU Cai-xing¹,ZHONG Wen-liang²,ZHANG Jun². Genetic algorithm with improved selection operator[J]. Computer Engineering and Applications, 2008, 44(2): 44-49.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.