基于复合形法的聚类遗传算法

发布时间：2019-01-11 19:16

【摘要】：针对标准遗传算法的未成熟收敛问题和局部收敛能力不佳等情况,提出一种基于复合形法的聚类遗传算法。通过使用复合形法结合聚类小生境技术对传统的遗传算法进行改进,得到基于复合形法的自适应聚类遗传算法(NCGA)。该算法使用FORTRAN语言进行编程,通过使用三种复杂的测试函数对其性能进行测试,并与自适应遗传算法(AGA)进行了性能比较,还分析了初始种群的优劣对算法性能的影响。测试结果表明:对于遗传算法的改进效果明显,在遗传算法中融入复合形操作能明显增强遗传算法的局部搜索能力,且聚类技术使得遗传算法的全局搜索能力得到显著增强,反向学习操作的添加能增强算法的稳定性。改进后的遗传算法的性能明显好于传统的遗传算法。
[Abstract]:Aiming at the immature convergence problem of standard genetic algorithm and the poor local convergence ability, a clustering genetic algorithm based on complex algorithm is proposed. The traditional genetic algorithm (NCGA).) is improved by using complex method and cluster niche technique, and an adaptive clustering genetic algorithm (NCGA).) based on complex method is obtained. The algorithm is programmed in FORTRAN language. The performance of the algorithm is tested by using three complex test functions. The performance of the algorithm is compared with that of the adaptive genetic algorithm (AGA). The effect of the initial population on the performance of the algorithm is also analyzed. The test results show that the improvement effect of genetic algorithm is obvious, the local search ability of genetic algorithm can be enhanced obviously by using complex operation in genetic algorithm, and the global search ability of genetic algorithm can be enhanced significantly by clustering technology. The addition of reverse learning operations can enhance the stability of the algorithm. The performance of the improved genetic algorithm is obviously better than that of the traditional genetic algorithm.
【作者单位】：西北旱区生态水利工程国家重点实验室培育基地(西安理工大学);三峡大学水利与环境学院;
【基金】：陕西省重点科技创新团队(No.2013KCT-015)
【分类号】：TP18

【参考文献】

相关期刊论文前10条

1 曲志坚;张先伟;曹雁锋;刘晓红;冯晓华;;基于自适应机制的遗传算法研究[J];计算机应用研究;2015年11期

2 程林辉;钟珞;;求解多峰函数优化问题的并行免疫遗传算法[J];微电子学与计算机;2015年05期

3 陈国彬;张广泉;;基于改进遗传算法的快速自动组卷算法研究[J];计算机应用研究;2015年10期

4 郑学东;;基于聚类小生境遗传算法的DNA编码优化[J];计算机工程;2015年02期

5 喻飞;李元香;魏波;徐星;赵志勇;;透镜成像反学习策略在粒子群算法中的应用[J];电子学报;2014年02期

6 冯波;郝文宁;陈刚;占栋辉;;K-means算法初始聚类中心选择的优化[J];计算机工程与应用;2013年14期

7 陆青;谢品杰;孙波;;基于共享机制的自适应混合遗传算法[J];计算机仿真;2012年12期

8 刘喜梅;郭静;;改进的量子遗传算法用于函数极值优化[J];青岛科技大学学报(自然科学版);2011年03期

9 乔佩利;郑林;马丽丽;;一种小生境遗传算法研究[J];哈尔滨理工大学学报;2011年01期

10 金芬;陈小平;;函数全局优化的改进实数遗传算法[J];计算机工程与应用;2009年29期

【共引文献】

相关期刊论文前10条

1 杨浩;杨陟卓;;实数编码遗传算法的改进研究[J];信息技术;2017年03期

2 张伟;肖日东;邓晶;;基于遗传算法的动态模糊神经网络城市快速路入口匝道控制[J];公路交通科技;2017年02期

3 马胡双;石永革;;函数优化问题的动态并行量子遗传算法[J];青岛科技大学学报(自然科学版);2017年01期

4 刘砚菊;代涛;宋建辉;;改进人工势场法的路径规划算法研究[J];沈阳理工大学学报;2017年01期

5 李焕哲;吴志健;汪慎文;郭肇禄;;协方差矩阵自适应演化策略学习机制综述[J];电子学报;2017年01期

6 蒋云;倪静;袁胜超;;“互联网+”背景下网络化教学系统的设计与实现[J];改革与开放;2016年23期

7 夏学文;王博建;金畅;何国良;谢承旺;魏波;;一种自适应多种群的PSO算法[J];系统仿真学报;2016年12期

8 宋丹;樊晓平;文中华;黄大足;屈喜龙;;模糊非基因信息记忆的双克隆选择算法[J];电子与信息学报;2017年02期

9 TRAN Dang Cong;WU Zhijian;;Adaptive Multi-layer Particle Swarm Optimization with Neighborhood Search[J];Chinese Journal of Electronics;2016年06期

10 刘先锋;郭林沅;;一种提高遗传算法子图挖掘效率的数据结构[J];计算机工程;2016年11期

【二级参考文献】

相关期刊论文前10条

1 许波;赵超;祝衍军;彭志平;;云计算中虚拟机资源调度多目标优化[J];系统仿真学报;2014年03期

2 蒋华荣;郁雪;;应用遗传算法优化子空间的SVM分类算法[J];计算机科学;2013年11期

3 王冰;;基于局部最优解的改进人工蜂群算法[J];计算机应用研究;2014年04期

4 张建朋;陈福才;李邵梅;于洪涛;;基于混合测度的并行仿射传播聚类算法[J];计算机科学;2013年07期

5 刘伟;尹行;段玉光;杜薇;王伟;曾国荪;;同构DVS集群中基于自适应阈值的并行任务节能调度算法[J];计算机学报;2013年02期

6 陶新民;刘福荣;刘玉;童智靖;;一种多尺度协同变异的粒子群优化算法[J];软件学报;2012年07期

7 曲志坚;柏琳;刘晓红;;基于逻辑运算的光域网络编码节点模型[J];电子学报;2012年07期

8 梁亚澜;聂长海;;覆盖表生成的遗传算法配置参数优化[J];计算机学报;2012年07期

9 ;Minimum coding nodes multicast tree for two-channel all-optical network coding scheme[J];The Journal of China Universities of Posts and Telecommunications;2012年03期

10 肖桂霞;赵武初;朱伟;郑金华;;基于遗传算法智能组卷的去重题方法[J];计算机工程;2012年11期

【相似文献】

相关期刊论文前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期