论文部分内容阅读
遗传算法作为复杂的多峰函数求解、机器学习、生产调度、大规模的组合优化、适应控制、技能控制的最优方案寻优等的全局搜索算法,其广阔的应用前景越来越令人关注.但是,遗传算法的基本操作是基于概率的随机性,由于未能对进化状态进行测度,适应度的计算只能依赖于目的函数,而忽视了其与多样性变化的相关性,就难以避免退化个体和重复个体的生成,导致'遗传漂移'或'早期收敛'.本文提出遗传算法进化状态测度及消除随机性影响的遗传操作方法,大大提高了搜索效率,应用实例验证了该方法的有效性.