遗传算法中的交叉算子的述评

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 36-39.

遗传算法中的交叉算子的述评

李书全1，孙雪1，孙德辉1，边伟朋2

1.天津财经大学商学院，天津 300222
2.河北省水利水电勘测设计研究院，天津 300250

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Summary of crossover operator of genetic algorithm

LI Shuquan1, SUN Xue1, SUN Dehui1, BIAN Weipeng2

1.Business School, Tianjin University of Finance and Economics, Tianjin 300222, China
2.Hebei Research Institute of Investigation & Design of Water Conservancy & Hydropower, Tianjin 300250, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 交叉算子是遗传算法中的一种重要算子，对遗传算法中较成熟的交叉算子进行了简单介绍，在此基础上结合文献内容，从理论应用以及作用机理等几个方面对遗传算法中改进的交叉算子进行了分析和讨论，可以发现改进后的交叉算子能在一定程度上克服传统遗传算法的缺点，提高其搜索效率和精度，有效避免过早收敛。进一步提出遗传算法中交叉算子的未来研究方向，为今后遗传算法的应用和发展奠定了基础。

关键词: 遗传算法, 交叉算子, 优化

Abstract: Crossover is an important operator in genetic algorithm. This paper gives a brief introduction about some mature crossover operators, discusses some improved crossover operators from different aspects, such as the application of theory, mechanism and so on. Through the analysis, it is found that the improved crossover operators can overcome the shortcomings of the traditional genetic algorithm, improve search efficiency and accuracy and avoid premature convergence. This paper points out the crossover operators’ research direction, which makes the foundation for the development and application of genetic algorithms in the future.

Key words: genetic algorithm, crossover operator, optimization

李书全1，孙雪1，孙德辉1，边伟朋2. 遗传算法中的交叉算子的述评[J]. 计算机工程与应用, 2012, 48(1): 36-39.

LI Shuquan1, SUN Xue1, SUN Dehui1, BIAN Weipeng2. Summary of crossover operator of genetic algorithm[J]. Computer Engineering and Applications, 2012, 48(1): 36-39.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[6]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[7]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[8]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[9]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[10]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	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.
[13]	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.
[14]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[15]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.