计算机应用 ›› 2014, Vol. 34 ›› Issue (9): 2537-2542.DOI: 10.11772/j.issn.1001-9081.2014.09.2537
收稿日期:
2014-03-28
修回日期:
2014-06-05
出版日期:
2014-09-01
发布日期:
2014-09-30
通讯作者:
朱福喜
作者简介:
基金资助:
国家自然科学基金资助项目
ZHU Biying,ZHU Fuxi,LIU Kegang,LI Fanchen
Received:
2014-03-28
Revised:
2014-06-05
Online:
2014-09-01
Published:
2014-09-30
Contact:
ZHU Fuxi
摘要:
针对现有混合遗传算法无法兼顾有效性及高效性的问题,提出一种基于二维可变邻域编码方式的新型混合遗传算法(VNHGA)。首先提出了一种将个体“基因型”与“邻域型”分开编码、同步遗传的新型编码方式,以替换传统二进制编码方式;然后设计了一种稳定变异算子,以替换传统变异算子来提高效率。通过多维函数最小值问题对VNHGA进行测试:首先验证采用所提二维可变邻域编码方式后,使用“鲍德温(Baldwin)效应”作为将局部搜索嵌入传统遗传算法策略时,相对于基于“拉马克(Lamarckian)进化”的嵌入策略,仍然具有采用传统二进制编码方式时的特性,即具有良好有效性但高效性不足;其次验证引入稳定变异算子后,算法在保持其有效性的同时提升了效率,运行时间缩短到之前的50%左右;最后,与两种改进混合遗传算法进行比较,验证所提算法优势。结果表明VNHGA兼具有效性与高效性特点,可用于解决最优化问题。
中图分类号:
朱碧颖 朱福喜 刘克刚 粟藩臣. 基于二维可变邻域编码方式的混合遗传算法[J]. 计算机应用, 2014, 34(9): 2537-2542.
ZHU Biying ZHU Fuxi LIU Kegang LI Fanchen. Hybrid genetic algorithm based on two-dimensional variable neighborhood coding[J]. Journal of Computer Applications, 2014, 34(9): 2537-2542.
[1]ZHANG L, FAN J, ZHANG Y. Two improvements for the traditional genetic algorithms [J]. Henan Science, 2007,25(1):104-106. (张立君, 范建华, 张云龙. 对传统遗传算法的两处改进[J].河南科学, 2007, 25(1):104-106.)
[2]QIAO Y, GAO Y, JIANG Q. Differential evolutionary algorithm with a new local search strategy [J]. Journal of Taiyuan University of Technology, 2011,42(4):349-352. (乔英, 高岳林, 江巧永.一种新局部搜索策略的差分进化算法[J]. 太原理工大学学报, 2011, 42(4): 349-352.)
[3]HUANG J, WANG Z. Hybrid particle swarm optimization algorithm based on gradient method [J]. Computer Engineering and Applications, 2008, 44(35): 40-42. (黄冀卓,王湛.结合梯度法的混合微粒群优化算法[J].计算机工程与应用,2008, 44(35):40-42.)
〖HJ1.3mm〗[4]PAN X. Subspace Newton method for large scale optimization problems [J]. Journal of Tianjin University of Technology and Education, 2008, 18(4): 43-47. (潘鑫.求解大型优化问题的子空间牛顿法[J].天津工程师范学院学报, 2008, 18(4):43-47.)
[5]GEN M, CHENG R. Genetic algorithms and engineering optimization [M]. San Francisco: John Wiley & Sons, 2000: 244-251.
[6]ONG Y S, KEANE A J. Meta-Lamarckian learning in memetic algorithms [J]. IEEE Transactions on Evolutionary Computation, 2004, 8(2): 99-110.
[7]〖CM(27〗YUAN Q, QIAN F, DU W. A hybrid genetic algorithm with the Baldwin effect [J]. Information, 2010, 180(5): 640-652.
[8]XIA Z, LIU F, GONG M, et al.Memory based Lamarckian evolutionary algorithm for job shop scheduling problem [J]. Journal of Software, 2010, 21(12): 3082-3093. (夏柱昌,刘芳,公茂果,等.基于记忆库拉马克进化算法的作业车间调度[J].软件学报,2010, 21(12): 3082-3093.)
[9]ZHANG J, CHEN Q. How learning affects evolution: research and simulation validation [J]. Journal of System Simulation, 2007, 19(24): 5849-5855. (张家奇,陈启军.学习对进化的影响研究及仿真验证[J].系统仿真学报,2007, 19(24): 5849-5855.)
[10]〖CM(26*2〗ZHANG M. Research on immune clonal optimization algorithm based on Baldwin effect of periodically mutation [J]. Computer and Information Technology, 2012, 20(2): 34-36. (张敏辉.基于结合鲍德温效应和周期变异的免疫克隆优化算法的研究[J].电脑与信息技术,2012, 20(2): 34-36.)
〖HJ1.5mm〗[11]YAN L, JIANG J. Convergence and escape capacity research of evolution learning strategies [J]. Acta Automatica Sinica, 2005, 31(6):873-880. (阎岭,蒋静坪.进化学习策略收敛性和逃逸能力的研究[J].自动化学报,2005, 31(6):873-880.)
[12]WHITLEY D, GORDON V S, MATHIAS K. Parallel problem solving from nature — PPSN III [M]. Berlin: Springer-Verlag, 1994: 5-15.
[13]LUAN Z, HUANG Q, JIANG H, et al.Mixed application of two learning mechanisms in genetic algorithm [J]. Systems Engineering and Electronics, 2009, 31(8): 1985-1989. (栾志博,黄其涛,姜洪洲,等.遗传算法中两种学习机制的混合应用[J].系统工程与电子技术,2009, 31(8): 1985-1989.)
[14]MA L, ZHAO Z. Hybrid differential evolution algorithm for solving knapsack problem [J]. Computer Engineering, 2012, 38(7): 164-167. (马立肖,赵占芳.一种求解背包问题的混合差异演化算法[J].计算机工程, 2012, 38(7): 164-167.)
[15]WANG W. A new method for genetic code and genetic computation [J]. Science Technology and Engineering, 2006, 6(22): 3567-3571. (王卫东. 一种新型的基因编码与基因算法[J].科学技术与工程, 2006, 6(22): 3567-3571.)
[16]SONG C, LUO Q, JI C. A hybrid genetic algorithm based on descend search [J]. Engineering Journal of Wuhan University: Natural Science Edition, 2003, 36(1): 109-112. (宋朝红,罗强,纪昌明.基于下降搜索的混合遗传算法[J].武汉大学学报:工学版, 2003, 36(1): 109-112.) |
[1] | 杜航原 郝思聪 王文剑. 结合图自编码器与聚类的半监督表示学习方法[J]. 计算机应用, 0, (): 0-0. |
[2] | 陈露 张晓霞 于洪. 基于先验知识的非负矩阵半可解释三因子分解算法[J]. 计算机应用, 0, (): 0-0. |
[3] | 韩舒宁 徐敏 董学士 林青 沈凡凡. 混合伊藤算法求解多尺度着色旅行商问题[J]. 计算机应用, 0, (): 0-0. |
[4] | 李晓杰 崔超然 宋广乐 苏雅茜 吴天泽 张春云. 基于时序超图卷积神经网络的股票趋势预测方法[J]. 计算机应用, 0, (): 0-0. |
[5] | 张建 严珂 马祥. 基于神经网络的复杂垃圾信息过滤算法分析[J]. 计算机应用, 0, (): 0-0. |
[6] | 邱云志 汪廷华 戴小路. 双重特征加权模糊支持向量机[J]. 计算机应用, 0, (): 0-0. |
[7] | 李宗正 周恺卿 丁雷 欧云. 基于基因交换的自适应人工鱼群算法[J]. 计算机应用, 0, (): 0-0. |
[8] | 刘清华 廖士中. 基于随机素描方法的在线核回归[J]. 计算机应用, 0, (): 0-0. |
[9] | 张小清 王晨曦 吕彦 林耀进. 基于ReliefF的层次分类在线流特征选择算法[J]. 计算机应用, 0, (): 0-0. |
[10] | 于婉莹 梁美玉 王笑笑 陈徵 曹晓雯. 基于深度注意力网络的课堂教学视频中学生表情识别与智能教学评估[J]. 计算机应用, 0, (): 0-0. |
[11] | 黄勇康 梁美玉 王笑笑 陈徵 曹晓雯. 基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别[J]. 计算机应用, 0, (): 0-0. |
[12] | 康猛 蒙祖强. 基于局部条件区分能力的高效属性约简算法[J]. 计算机应用, 0, (): 0-0. |
[13] | 谢鑫 张贤勇 王旋晔 唐鹏飞. 变精度邻域等价粒邻域决策树构造算法[J]. 计算机应用, 0, (): 0-0. |
[14] | 刘忠慧 王梓宥 闵帆. 近似概念的遗传生成算法及其推荐应用[J]. 计算机应用, 0, (): 0-0. |
[15] | 潘仁志 钱付兰 赵姝 张燕平. 基于卷积神经网络交互的用户属性偏好建模的推荐模型[J]. 计算机应用, 0, (): 0-0. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||