一种基于EDAs和聚类分析的杂合进化算法
在讨论种群进化趋势的基础上,结合EDAs (Estimation of Distribution Algorithms)和聚类分析的基本思想,提出了一种改进的杂合进化算法。首先,利用聚类分析将现有种群进行初步分类,并根据类内个体信息采用EDAs 原理构造类内个体的分布状况;然后,对于每一分类,利用EDAs产生下一代部分个体,采用极值组合的思想进行类间信息交互,产生下一代的其余个体,从而有效防止早熟收敛.当某类个体的分布区域缩小到一定范围后,利用EDAs产生下一代个体的过程将退化为穷举的局部搜索过程.仿真结果表明,这种算法能够在极大提高全局搜索效率的基础上,可以有效地防止早熟收敛.
遗传算法 早熟 聚类分析 极值组合 种群进化 局部搜索
曹爱增 陈月婷 魏军 李金屏
济南大学信息科学与工程学院模式识别与智能系统研究所,济南250022 济南大学控制科学与工程学院,山东济南250022
国内会议
湖南张家界
中文
754-758
2007-07-26(万方平台首次上网日期,不代表论文的发表时间)