您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (6): 1-7.doi: 10.6040/j.issn.1672-3961.2.2014.306

• 机器学习与数据挖掘 •    下一篇

基于双模式变异策略的改进遗传算法

梁兴建1,2, 詹志辉3   

  1. 1. 四川理工学院计算机学院, 四川 自贡 643000;
    2. 企业信息化与物联网测控技术四川省高校重点实验室, 四川 自贡 643000;
    3. 中山大学计算机科学系, 广东 广州 510006
  • 收稿日期:2014-03-26 修回日期:2014-10-15 出版日期:2014-12-20 发布日期:2014-03-26
  • 作者简介:梁兴建(1979-),男,四川成都人,硕士,副教授,主要研究方向为计算智能及优化应用.E-mail:esunxingjian@163.com
  • 基金资助:
    四川省教育厅科研基金重点项目(13ZA0120);自贡市重点科技计划项目(2012D01);企业信息化与物联网测控技术四川省高校重点实验室基础项目(2013WYJ04)

Improved genetic algorithm based on the dual-mode mutation strategy

LIANG Xingjian1,2, ZHAN Zhihui3   

  1. 1. School of Computer Science, Sichuan University of Science and Engineering, Zigong 643000, Sichuan, China;
    2. Key Lab of Enterprise Informationization and Internet of Things of Sichuan Province, Zigong 643000, Sichuan, China;
    3. Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, Guangdong, China
  • Received:2014-03-26 Revised:2014-10-15 Online:2014-12-20 Published:2014-03-26

PDF (PC)

908

摘要： 针对基本遗传算法寻优速度慢且易陷入局部最优的缺陷,提出了一种基于双模式变异策略的改进遗传算法。在标准变异的基础上引入个体线性差分变异思想形成双变异模式,同时利用控制参数对两种变异模式加以平衡。通过10个基准测试函数仿真实验,结果表明本改进算法在寻优速度和全局收敛能力上都有较大的提高。

关键词: 差分演化, 优化变异, 遗传算法, 双模式变异策略, 算法改进

Abstract: Aiming at the defects in the standard genetic algorithm such as slow optimization speed and local optimum, an improved genetic algorithm based on the Dual-Mode Mutation strategy is put forward. On the basis of the standard mutation, the idea of individual linear difference mutation is introduced to form the Dual-Mode Mutation balanced by the controlling parameters. The results of simulation experiments on 10 benchmarking functions shows that this algorithm can greatly improve the optimization speed and global convergence and has application value.

Key words: algorithm improvement, dual-mode mutation strategy, differential evolution, genetic algorithm, mutation operator of optimization

中图分类号: 

  • TP18
[1] ZHANG J, CHUNG H S, LO W L. Clustering-Based Adaptive Crossover and Mutation Probabilities for Genetic Algorithms[J]. IEEE Transactions on Evolutionary Computation, 2007, 11(3):326-335.
[2] 龚月姣,陈梦君,胡晓敏,等.遗传算法中自适应方法的比较和分析[J].计算机工程与设计,2009,30(21):4903-4913. GONG Yuejiao, CHEN Mengjun, HU Xiaomin, et al. Comparison and analysis of adaptive genetic algorithms[J]. Computer Engineering and Design, 2009, 30(21):4903-4913.
[3] 王晓峰,随婷婷.基于TIGA_S4VM改进算法的蛋白质序列识别方法[J]. 山东大学学报:工学版,2014,44(1):1-6. WANG Xiaofeng, SUI Tingting. Protein sequence identifycation based on improved TIGA_S4VM algorithm[J]. Journal of Shandong University: Engineer Science, 2014, 44(1):1-6.
[4] OUERFELLI H, DAMMAK A. The Genetic Algorithm with two point crossover to solve the Resource-Constrained Project Scheduling Problems[C]//International Conference on Modeling, Simulation and Applied Optimization. Hammamet, Tunisia: IEEE, 2013:1-4.
[5] GAO Y, ZHENG T. Improved genetic algorithms based on chaotic mutation operation and its application[C]//International Conference on Multimedia Technology, Ningbo,China: IEEE, 2010:1-3.
[6] ABIDO M A, ELAZOUNI A. Improved Crossover and Mutation Operators for Genetic Algorithm Project Scheduling[C]//IEEE Congress on Evolutionary Computation. Trondheim,Norway: IEEE, 2009:1865-1872.
[7] 何涛,张洪伟,邹书蓉. 特征提取与多目标机器学习研究及应用[J]. 四川理工学院学报:自然科学版,2013, 26(1): 33-37. HE Tao, ZHANG Hongwei, ZOU Shurong. Research and Application of Feature Extraction and Multi-objective Machine Learning[J]. Journal of Sichuan University of Science & Engineering:Natural Science Edition, 2013, 26(1): 33-37.
[8] RITTHIPAKDEE A, THAMMANO A, PREMASATHIAN N, et al. A New Selection Operator to Improve the Performance of Genetic Algorithm for Optimization Problems[C]//IEEE ICMA Conference International Scientific Advisory Board. Takamatsu, Japan:IEEE, 2013:371-375.
[9] 丁若冰,邹书蓉. 基于聚类划分子种群的多种群遗传算法[J].四川理工学院学报:自然科学版,2014,27(3):1-4. DING Ruobing, ZOU Shurong. Multiple Populations Genetic Algorithm Based on Clustering Dividing Child Populations[J]. Journal of Sichuan University of Science & Engineering:Natural Science Edition, 2014, 27(3):1-4.
[10] 张琛,詹志辉.遗传算法选择策略比较[J].计算机工程与设计,2009,30(23):5471-5478. ZHANG Chen, ZHAN Zhihui Comparisons of Selection Strategy in Genetic Algorithm[J]. Computer Engineering and Design, 2009, 30(23):5471-5478.
[11] ZHONG J H, HU X M, GU M, et al. Comparison of Performance between Different Selection Strategies on Simple Genetic Algorithms[C]//International Conference on Computational Intelligence for Modelling, Control and Automation, and International Conference on Intelligent Agents, Web Technologies and Internet Commerce. Vienna,Austria: IEEE, 2005:1115-1121.
[12] RAJAKUMAR B R, GEORGE A. A New Adaptive Muta-tion Technique for Genetic Algorithm[C]//IEEE Interna-tional Conference on Computational Intelligence and Computing Research. Coimbatore India: IEEE, 2012:1-7.
[13] 段海滨,张祥银,徐春芳.仿生智能计算[M].北京:科学出版社,2011:108-114.
[1] 邵孟伟,袁世飞,周宏志,王乃华. 基于BP神经网络和遗传算法的翅片管结构优化[J]. 山东大学学报 (工学版), 2025, 55(6): 76-82.
[2] 孙尚渠,张恭禄,蒋志斌,李朝阳. 盾构滚刀磨损的影响因素敏感性分析及预测[J]. 山东大学学报 (工学版), 2025, 55(1): 86-96.
[3] 陈吟枫,肖晋宇,侯金鸣,江涵,赵小令,施啸寒. 基于精细化运行模拟的源-网-储协同短期扩展规划[J]. 山东大学学报 (工学版), 2024, 54(6): 156-166.
[4] 李二超, 张智钊. 在线动态订单需求车辆路径规划[J]. 山东大学学报 (工学版), 2024, 54(5): 62-73.
[5] 赵姣,杨倩倩,胡大伟,胡卉,李洋. 基于排队模型的电动物流车充电站选址和运输路径问题[J]. 山东大学学报 (工学版), 2024, 54(2): 47-59.
[6] 孙东磊,杨思,韩学山,叶平峰,王宪,刘蕊. 高比例风电接入下计及时段间耦合旋转备用响应风险的动态经济调度方法[J]. 山东大学学报 (工学版), 2022, 52(5): 111-122.
[7] 孙东磊, 鉴庆之, 李智琦, 韩学山, 王明强, 陈博, 付一木. 源网协调的电力系统均匀性规划[J]. 山东大学学报 (工学版), 2022, 52(5): 92-101.
[8] 宋修广,张营超,庄培芝,杨鹤,张海凤,王娟. 基于遗传算法的道路安定极限优化求解方法[J]. 山东大学学报 (工学版), 2021, 51(5): 1-7.
[9] 郭蓉蓉,张汝华,马信辉,郭森垚. 近交叉口路中式快速公交站点选址优化[J]. 山东大学学报 (工学版), 2021, 51(3): 61-67.
[10] 顾雪平, 杨超, 梁海平, 王元博, 李少岩. 异步电网并行协调恢复策略的优化制定方法[J]. 山东大学学报 (工学版), 2019, 49(5): 9-16.
[11] 孙润稼,朱海南,刘玉田. 基于偏好多目标优化和遗传算法的输电网架重构[J]. 山东大学学报 (工学版), 2019, 49(5): 17-23.
[12] 公冶小燕,林培光,任威隆. 基于Grefenstette编码和2-opt优化的遗传算法[J]. 山东大学学报 (工学版), 2018, 48(6): 19-26.
[13] 陈嘉杰,王金凤. 基于蚁群算法求解Choquet模糊积分模型[J]. 山东大学学报(工学版), 2018, 48(3): 81-87.
[14] 王飞,徐健,李伟,汪新浩,施啸寒. 基于分布式储能系统的风储滚动优化调度方法[J]. 山东大学学报(工学版), 2017, 47(6): 89-94.
[15] 王常顺,肖海荣. 基于自抗扰控制的水面无人艇路径跟踪控制器[J]. 山东大学学报(工学版), 2016, 46(4): 54-59.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1 -5 .
[2] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[3] 孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[4] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[5] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[6] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[7] 浦剑1 ,张军平1 ，黄华2 . 超分辨率算法研究综述[J]. 山东大学学报(工学版), 2009, 39(1): 27 -32 .
[8] 王丽君,黄奇成,王兆旭 . 敏感性问题中的均方误差与模型比较[J]. 山东大学学报(工学版), 2006, 36(6): 51 -56 .
[9] 王静,李玉江,张晓瑾, 毕研俊,陈位锁 . 粉煤灰去除水中活性紫KN-B[J]. 山东大学学报(工学版), 2006, 36(6): 100 -103 .
[10] 孙殿柱,朱昌志,李延瑞 . 散乱点云边界特征快速提取算法[J]. 山东大学学报(工学版), 2009, 39(1): 84 -86 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发