遗传算法中适应度函数的改进

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

｛
Ｋｙｏｄ：ｅｅｃｌｒｈＦｔｅｎｔｎＩｄｘｒｎｆｒｔｎＯｔｉｔｎｏｐｔｉ；ｅｒｓｎｔｇｉｍ；ｉｓｆｃｏ；ｅａｓｍａｏ；ｐｉｚｉｍｕａｏｗＧｉａｏｔｎｓｕｉｎｔｏｉｍａｏｃｔｎ
｛ｏｔｉｉｇｒｈｓｔｎｅｅｃｓｅｄｎｅｒａｉｙｆｏｖｒｎｅｐｉｚｏａｏｔ，ｅｏｖｒｎｅｐｅｄｔｏｂｉｃｎｅｅｃ．ｍａｎｔｌｉｍｈｃｇａｈｐｂｌｏｔｇ
ｆ
中图分类号：Ｈ１，Ｐ０．文献标识码：Ｔ６Ｔ３１６Ａ
新适应度函数能极大地提高算法的优化精度、收敛速度和收敛概率。
关键词：遗传算法；适应度函数；指数变换；优化计算
【ｂｔｃ】ｈｒａｓｇｎｔｌｒｈｉｎｅｅｒｅｉｉｄａｔｓｖｕ，ＡｓａｔＴｅｉｒｂｉｏｅｅｃｇｉｍｇｄｇｈａｈｉｔｄｉｌｎｓａｅｒｐｍｙａｓｆｉａｏｔｕｉｔｓｃｓｈｎｖｕｆｅｌｉ
｛ｖｒｎｅｇｒｈｉｒｏｅｎｎｌｅ！ｎｓｆｎｔｎｗｉａｅｎｉｅａｓｒａｏ．ｅ；ｅｅｃｏａｏｔｔｏｓｄｏ—ｉａｆｅｃｏｈｈｂｄｏｄｘｔｆｍｔｎｇｌｉｍ，ｐｆｐａｎｒｉｓｕｉｔｃｓｎｒｏｉｎ
机械设计与制造
２１８文章编号：０１３９（０００ — ２８０１０ — ９７２１）３０１－２
ＭａｈｎｒＤｅｉｎ＆ｃｉｅｙｓｇ
Ｍａｕａｔｒｎｆｃｕｅ
第３期２１００年３月
遗传算法中适应度函数的改进：ｌ＝
金芬孙春华钟鸣（苏州市职业大学机电工程系，苏州２５０）１１４
ｌｒｖｍｐｏｅｍｅｔｏｉｅｓｆｎｔｎｇｎｔｇｉｍｎｆｔｓｕｃｉｉｅｅｉａｌｏｒｈｆｎｏｎｃｔ
ＪＮＦｎ，ＵＮＣｕ－ｕ，ＨＯＮＧＭｉｇＩｅＳｈｎｈａＺｎ
（ｅａｔｅｔｆｃａｉｌｎｌｔｃｌｎｉｅｉｇＳｚｏｏａｉａＵｉｒｔ，ｕｈｕ２，ｈｎ）ＤｐｒｎｈｎｃｄＥｅｒａＥｇｅｒ，ｕｈｕＶｃｔｎｌｎｖｓｙＳｚｏ４ＣｉａｍｏＭｅａａｃｉｎｎｏｅｉ１１５０
Ｓｅｄｓｎｏ！ｎｓｆｎｔｎｉｐｒｃｌｌｉｐｒｎ．ｏｋｅｅｄｖｒｉｐｐｌｉｎａｄｔｅｃｎＯｔｅｉｆｅｓｕｃｉａｔｕａｙｍｏｔｔＴｅｐｔｉｓｙｏｏｕａｏｎｏ一ｈｇｆｔｉｏｓｉｒａｈｅｔｆｔｈ
６ｉｅｃｆｃｎｉｉａａｔｏｔｎｒｐｏｓｏａｏｔ．ｎｅｔｌｇｎｔｏｅｔｓｄｌｎｘｏｆｉｔｃａｐｔｅｌｉａｒｅｌｒｍＵｄｅａ￣ｅｅｃｐｒｏｄｅｅｔｎｄｖｕｏｙｃｓｇｉｉｎｏｆｈｒｈｓｙｉａｒａｎ
ｌ
【要】摘遗传算法引导搜索的依据就是个体的适应主要度值，因应度函设计显得尤为ｌ此适数的重
｛要。本文兼顾保持种群的多样性和算法的收敛性，出了一种基于指数变换的、系提指数数可wk.baidu.com进化代数动｛
ｆ态调整的非线性适应度函数。以两个典型的测试函数为例，同的遗传操作和参数下，在相分别采用本文提：出的适应度函数、｝缌生拉伸变换及一般的指数变换适应度函数进行优化计算，计算结果表明采用提出的
ｉｏｔｐａｔｔｇｕｃｏｓｈａｔｏｏｄｔｓｕｃｏｅｌｉｒｅｈａｃａ；ｗｔｉｓｎｆｎｔｎｓｏｔｅｒｓｎｓｎｉＣｇａｙｍｏｅｃｕｃｏｆｏｙｃｅｉｌｉｗｈｈｐｐｅｆｅｆｔｎａｒｐｖｔｒｙｔｉｎｔｆ
；ｔｈｓｐｒｍｔｓｃｃｌｉｉｅｐｏｏｅ！￣ｓｆｎｔｎｌｅ１ｓｉａｓｒａｏ！ｎｓｅａｅｒ，ｕｎｗｔｔｒｓｄｔｓｕｃｏ，ｎｏｃｎｔｎｏｔｎｔｓ｛ａｅａａｇｈｈｐｆｉｉ＂ａｇｒｆｍｉｆｅｌｔｉｌｉ！ｕｃｏｌｅｄｅｅｄｘｒｓｒａｏ！ｎｓｆｎｔｎｒｐｃｖｌ，ｅｉｕｉｓｌ！ｆｎｔｎｏＧｄｒａｎｒｉｅａｆｍｉｆｅｃｏｅｅｔｅＴｍｌｏｒｕｓｉｆｏｂｇｎｇａｎｔｎｏｔｎｔｓｕｉｌｉｓｉｙｈｓａｎｅｔｔ
式中：）ｒ（一经过指数变换后得到的新适应度；（一原适应Ｆ）
１引言
遗传算法［Ｇｅｅｃｌｒｈ是一种模拟生物群体遗传】ＡＧｎｔｇｉｍ）＿（ｉＡｏｔ和进化机理的启发式优化算法，达尔文的“ 适者生存，优胜劣汰” 是其基本的优化思想，其引导搜索的主要依据就是个体的适应度值。也就是说遗传算法依靠选择操作来引导算法的搜索方向，而