改进混沌遗传算法研究及其在炮兵火力分配上的应用

发布时间：2020-09-25 07:26

　　遗传算法自问世以来,人们不断地对它进行过深入研究和利用其解决一些非线性问题。在面对简单的线性或者是非线性问题时,遗传算法相对于其他优化算法有着独特的优势。然而,当问题是复杂的非线性问题或者是多峰值问题时,遗传算法的适应能力不足的问题就渐渐显露出来了。所以,很多学者尝试了对其进行改进或者是将遗传算法与其他算法相结合,并取得了不错的成就。混沌遗传算法就是其中一种改进的方法。目前的大多数文献中,基本都是将混沌序列融入到遗传算法初始种群和算法结尾按比例添加混沌扰动,这样的方式固然可以将混沌的遍历性,随机性很好地融合在遗传算法中,但遗传算法本身还有巨大的提升空间。所以本文认为,这种程度的改进还不够完善,故本文提出了改进混沌遗传算法。本文改进之处最大的创新在于,提出具有混沌效果的选择方式,即混沌选择。具体来说,就是利用微小的混沌扰动添加到选择后的相同个体,使其有微小的差异,但仍与_原值差距不大。这样就避免了“近亲繁殖”的缺陷,又不过多损失原优秀基因。除此之外,本文在前人的研究基础之上,选择了 Tent混沌映射,但不像有些文献把其混沌系数选择为1.5,而是经过对比分析确定混沌系数为1.9999,这个数字选择的本意就是更加接近于2。设计自适应的交叉算子,变异算子和具有扩展性的适应度函数,这些让遗传算法在运行过程中,更加合理的使用算法的各个参数。最后,利用本文设计的改进混沌遗传算法与参考文献中的混沌遗传算法和遗传算法共同对一些经典的数学函数进行仿真对比,得出了本文设计的算法效率更高。由于在炮兵火力分配问题上,很少有人尝试利用混沌遗传算法解决其优化分配问题。故本文选择利用本文提出的改进算法,对该问题进行优化,利用Matlab对其进行仿真,在仿真结果上进行分析,最终得出了最佳分配方案。这样也为火力分配问题上,提供了一个新的选择,使得本文具有一定的现实意义。
【学位单位】：东北大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TP18;E91;E924
【部分图文】：

流程框图,混沌遗传算法,流程框图

逦第２章改进混m8遗传算法的研究逡逑由图２．６可以看出，改进后的函数个体间的差距被放大了，这样做就达到了本文的逡逑目的，也就是要增大个体间的差距，使得最佳个体更加突出。逡逑在这之后，还要对适应度值进行数制转换，也就是：逡逑Ｕ（ｘ，）＾邋ｆｏｌｄ（ｘ，）￣邋ｕ逡逑该公式（求最大值）意图是将参加轮盘赌选择的个体的适应度值变为正数，这样避逡逑免了适应度值为负数时不能参加选择的情况。逡逑２．邋４．邋６精英保留策略逡逑在一轮遗传操作之后，对种群的个体适应度值进行排序，选取前５％直接开始下一逡逑轮遗传操作，剩余９５％添加小幅度混沌扰动。逡逑根据上述改进，做图２．７改进混沌遗传算法的流程框图。逡逑ｆ算法开始、］逡逑＇￣Ｉ＾＾逡逑编码逡逑种群初始化邋——？邋混沌初始化逦基于Ｔｅｎｔ映射逡逑｜逡逑ｔ邋…逦「逦逦－－－－－逦；逡逑逦＾应适度函数邋－＊？逦改进适应度函数逦适应度值转换逡逑：逦ｒ逦：逦ｉ逦邋逦邋：逡逑［邋邋逦—１邋逦亨逦逦邋：［＇逦￣＾逡逑混沌扰动逦选择逦…？邋混沌选择逦对相同个体添加混沌扰动逡逑２邋！逦逦逦逦逦逦逦＼逡逑逦逦Ｉ逦邋：邋｜逦逡逑精英保留逦交叉逦自适应交叉逦与代数和当前适应度相关邋｜逡逑；邋：逦邋逦逦－逡逑变异逦＞逦自适应变异逦混沌变异方式逡逑？

对比图,对比图,函数,混沌遗传算法

４和函数５最优值分别为０和－１８６．７３０９。逡逑析：逡逑过表中数据对比，改进混沌遗传算法的迭代次数远小于文献中算法，以及混沌遗传算法，说明了改进混沌遗传算法具有更可以看出，改进混沌遗传算法收敛时迭代次数相比于其他的优据在使用Ｍａｔｌａｂ仿真过程中的经验来看，其中很大的因素在体进行小幅度的混沌扰动以及对适应度函数进行提高。这两方的寻优速度，从这一方面也可以看出，当遗传算法的局部搜索也会有很大的提高。逡逑－３２－逡逑

对比图,对比图,函数,混沌遗传算法

【参考文献】