遗传算法早熟及原因分析_steven

http://blog.sina.com.cn/u/1668784912

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

遗传算法早熟及原因分析

(2009-12-21 17:19:14)

标签：

遗传算法

早熟

杂谈

分类：仿生学算法

遗传算法可以很好地求解最优化问题,但在实际应用中,遗传算法存在过早收敛于局部最优解的现象,这种现象也被称为算法的早熟问题.

２、模式的增长或减少依赖于模式的平均适应度与群体的平均适应度之比．那些平均适应度高于群体平均适应度的模式将在下一代中得以增长；而那些平均适应度低于群体平均适应度的模式将在下一代中减少.

分析早熟的原因：

由于群体的规模是有限的，可以预见当群体经过若干代的进化后，以指数级增长的具有较高平均适应度的模式将在种群中占绝大多数，而其他的模式将迅速消失．虽然这与自然界中的优胜劣汰的模式十分相似，但是当这种进程不加控制地延续下去时，会造成群体模式的种类迅速趋于单一，使得群体内部近亲繁殖，选择、交叉算子失去了应有的作用，令算法难以跳出局部最优解．

因此导致早熟的直接原因是模式多样性的丧失．

解决方法：

因此，一旦出现模式单调化，算法的搜索效率将受到极大影响，同时极易导致早熟收敛现象的发生．实际上，只要群体中某些模式的浓度减少到一定程度，算法搜索的全局性就会受到严重影响．解决的基本思想是增加群体的模式种类，降低模式浓度.

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：如何在一个m文件中调用另一个m文件中的一个或几个参数

后一篇：粒子群算法的MATLAB程序（转）

新浪BLOG意见反馈留言板　欢迎批评指正