改进的乘幂适应度函数在遗传算法中的应用

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (17): 40-43.

改进的乘幂适应度函数在遗传算法中的应用

杨水清，杨加明，孙超

南昌航空大学飞行器工程学院，南昌 330063

出版日期:2014-09-01 发布日期:2014-09-12

Improved exponentiation scale transformation in application of genetic algorithm

YANG Shuiqing, YANG Jiaming, SUN Chao

School of Aircraft Engineering, Nanchang Hangkong University, Nanchang 330063, China

Online:2014-09-01 Published:2014-09-12

摘要/Abstract

摘要： 在遗传算法优化过程中，引导搜索的主要依据是适应度函数。通过评估常见的几种适应度函数，兼顾保持种群的多样性和算法的收敛性，由乘幂尺度变换，提出了一种改进的乘幂适应度函数。以三个典型的测试函数为例，在相同遗传操作和参数情况下，分别采用常见的与改进的适应度函数进行优化比较。结果表明，所改进的乘幂适应度函数能明显提高算法的收敛精度、收敛速度和收敛稳定性，对提高遗传算法的整体性能有重要的意义。

关键词: 遗传算法, 适应度函数, 测试函数, 优化计算

Abstract: It is the main factors for fitness functions to guide the search of the genetic algorithm optimization process. The exponential fitness functions are improved by exponentiation scale transformation. They are used to evaluate several common fitness functions to keep their diversity of population and convergence of the algorithms. The optimal computation is compared for the usual and the improved fitness functions under the same conditions of genetic manipulation and their parameters in using three typical test functions. Numerical results show that it is significant for the new fitness functions of a power optimal algorithm to improve the overall performance including the accuracy, convergence speed, and convergence stability of the ameliorated genetic algorithms.

Key words: genetic algorithms, fitness functions, testing functions, optimal computation

杨水清，杨加明，孙超. 改进的乘幂适应度函数在遗传算法中的应用[J]. 计算机工程与应用, 2014, 50(17): 40-43.

YANG Shuiqing, YANG Jiaming, SUN Chao. Improved exponentiation scale transformation in application of genetic algorithm[J]. Computer Engineering and Applications, 2014, 50(17): 40-43.

[1]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[2]	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.
[3]	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.
[4]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[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]	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.
[14]	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.
[15]	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.