引导交叉——一种新的遗传交叉策略

doi:10.3778/j.issn.1002-8331.2008.29.011

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (29): 40-43.DOI: 10.3778/j.issn.1002-8331.2008.29.011

引导交叉——一种新的遗传交叉策略

李望移,郑金华

湘潭大学信息工程学院湖南湘潭 411105

收稿日期:2008-04-22 修回日期:2008-07-15 出版日期:2008-10-11 发布日期:2008-10-11
通讯作者: 李望移

Leading crossover—New crossover operator

LI Wang-yi,ZHENG Jin-hua

Institute of Information and Engineering，Xiangtan University，Xiangtan，Hunan 411105，China

Received:2008-04-22 Revised:2008-07-15 Online:2008-10-11 Published:2008-10-11
Contact: LI Wang-yi

摘要/Abstract

摘要： 介绍了遗传算法的优化方法，在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉，它结合了异位交叉和等位交叉的特点，并加入个体反码表示形式，在执行交叉操作前有一个自适应的选择交叉方式的判断，给出了5组不同的测试函数的仿真实验。实验结果表明，引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性，且易于找到全局最优解。

关键词: 引导交叉, 自适应性, 收敛性, 函数优化, 全局最优解

Abstract: This paper introduces the optimization methods of Genetic Algorithm.Based on the Different Location Crossover and the Same Location Crossover，a new leading crossover is proposed.Then it is a self-adaptive manner judgment to choose which crossover is used before the crossover operator.At last，five different tests of the simulation function are given.The results show that the leading crossover is more efficient to improve convergence than other crossovers.And the new method is easy to find the optimal solution.

Key words: leading crossover, self-adaptive, convergence, function optimization, optimal solution

李望移,郑金华. 引导交叉——一种新的遗传交叉策略[J]. 计算机工程与应用, 2008, 44(29): 40-43.

LI Wang-yi,ZHENG Jin-hua. Leading crossover—New crossover operator[J]. Computer Engineering and Applications, 2008, 44(29): 40-43.

[1]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[2]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[3]	魏锋涛，史云鹏，石坤. 具有组合变异策略的回溯搜索优化算法[J]. 计算机工程与应用, 2020, 56(9): 41-47.
[4]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[5]	陈忠云，张达敏，辛梓芸，张绘娟，闫威. 混沌精英质心拉伸机制的樽海鞘群算法[J]. 计算机工程与应用, 2020, 56(10): 44-50.
[6]	谈庆，黄樟灿. 基于近邻套索算子的磷虾群算法[J]. 计算机工程与应用, 2019, 55(9): 124-129.
[7]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[8]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.
[9]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[10]	顾清华，孟倩倩. 优化复杂函数的粒子群-鸽群混合优化算法[J]. 计算机工程与应用, 2019, 55(22): 46-52.
[11]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[12]	党婷婷，林丹. 含有动态自适应惯性权重的蜘蛛猴优化算法[J]. 计算机工程与应用, 2019, 55(14): 40-47.
[13]	魏锋涛，岳明娟，郑建明. 基于多策略融合的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(5): 111-116.
[14]	贾涵，连晓峰. 发现概率参数自适应调节的布谷鸟改进算法[J]. 计算机工程与应用, 2018, 54(22): 16-22.
[15]	邱东黎，施晶晶. 基于强化学习方法的访存调度算法[J]. 计算机工程与应用, 2018, 54(2): 62-67.

引导交叉——一种新的遗传交叉策略

Leading crossover—New crossover operator

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics