基于协同进化的自适应遗传算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 31-33.

基于协同进化的自适应遗传算法研究

刘文远，刘彬

燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Adaptive genetic algorithm based on co-evolution

LIU Wenyuan，LIU Bin

School of Information Science and Engineering，Yanshan University，Qinhuangdao，Hebei 066004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 针对传统遗传算法易于陷入局部最优解，性能不稳定的问题，提出了一种基于协同进化的自适应遗传算法（CEAGA）。在协同进化的两层框架模型的基础上，引入一个自适应的变异策略，改进了协同进化遗传算法中的局部进化操作，加强了在上层中的局部搜索;在下层，在种群之间采用协同进化算法，克服未成熟收敛，在种群内部进化中引入自适应遗传操作，保护种群中的优秀个体。实验验证CEAGA既具有很快的收敛速度，又具有很好的全局搜索性能。

关键词: 自适应遗传算法, 协同进化, 收敛速度

Abstract: For the problem of local optimum and the performance of stability，an adaptive genetic algorithm based on co-evolution is proposed.Adaptive probability of mutation is applied in local evolution and the capability of local search on the top floor is enhanced.On the bottom floor，co-evolution algorithm is used for solving the premature convergence among sub-populations，and adaptive genetic manipulation is used to protect outstanding individuals in sub-populations.The experiments demonstrate that this algorithm can increase the convergent speed and it has the ability of searching an optimum solution.

Key words: adaptive genetic algorithm, co-evolution, convergent speed

刘文远，刘彬. 基于协同进化的自适应遗传算法研究[J]. 计算机工程与应用, 2011, 47(14): 31-33.

LIU Wenyuan，LIU Bin. Adaptive genetic algorithm based on co-evolution[J]. Computer Engineering and Applications, 2011, 47(14): 31-33.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	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.
[3]	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.
[4]	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.
[5]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[6]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[7]	张晓莉，杨亚新，谢永成. 改进的蚁群算法在机器人路径规划上的应用[J]. 计算机工程与应用, 2020, 56(2): 29-34.
[8]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[9]	徐力，刘云华，王启富. 自适应遗传算法在机器人路径规划的应用[J]. 计算机工程与应用, 2020, 56(18): 36-41.
[10]	宋美，葛玉辉，刘举胜. 基于协同进化的动态双重自适应改进PSO算法[J]. 计算机工程与应用, 2020, 56(13): 54-62.
[11]	袁罗1，2，葛洪伟1，2. 基于随机鞭策机制的散漫度粒子群算法[J]. 计算机工程与应用, 2019, 55(4): 66-71.
[12]	夏以冲，陈秋莲，宋仁坤. 基于自适应遗传模拟退火算法的矩形件排样[J]. 计算机工程与应用, 2018, 54(22): 229-232.
[13]	韩晓龙，李上，杨全业. 基于遗传算法的战略供应链集成研究[J]. 计算机工程与应用, 2018, 54(2): 214-221.
[14]	申晓宁，孙毅，薛云勇. 采用放松支配关系的高维多目标微分进化算法[J]. 计算机工程与应用, 2018, 54(18): 161-167.
[15]	张岩，张华，初佃辉，孟凡超，郑宏珍. 一种改进的双精英协同进化遗传算法[J]. 计算机工程与应用, 2017, 53(16): 161-165.