基于最速方向搜索的混合遗传算法

涂井先; 刘伟

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于最速方向搜索的混合遗传算法

综合研究 | 更新时间：2026-05-27

- 基于最速方向搜索的混合遗传算法
- A Hybrid Genetic Algorithm Based on the Search Algorithm of the Steepest Direction
- 广东工业大学学报 2011年28卷第4期页码：34-37
- 作者机构：
- 作者简介：
  
  涂井先(1987-)，男，硕士研究生,主要研究方向为智能计算.
- 基金信息：
- DOI：
  中图分类号：
- 网络首发：2011-12-25，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
涂井先, 刘伟. 基于最速方向搜索的混合遗传算法[J]. 广东工业大学学报, 2011, 28(4): 34-37.

TU Jing-Xian, LIU Wei. A Hybrid Genetic Algorithm Based on the Search Algorithm of the Steepest Direction[J]. 2011, 28(4): 34-37.
涂井先, 刘伟. 基于最速方向搜索的混合遗传算法[J]. 广东工业大学学报, 2011, 28(4): 34-37. DOI：

TU Jing-Xian, LIU Wei. A Hybrid Genetic Algorithm Based on the Search Algorithm of the Steepest Direction[J]. 2011, 28(4): 34-37. DOI：

摘要

针对目标函数复杂求导困难或目标函数不可导的优化问题，给出了最速方向搜索方法，它在搜索过程不需要导数信息，克服了一些局部搜索算法需要求出导数的缺点.在此基础上提出了基于最速方向搜索的混合遗传算法，将最速方向搜索算法与遗传算法有效结合

增强了遗传算法的搜索能力.数值实验证明

改进后的遗传算法性能优于当前一些较好的优化算法.

Abstract

The search algorithm of the steepest direction is proposed to solve the optimization problem that the objective function is complex and the derivative is hard or impossible to obtain

The algorithm doesn’t need to obtain the derivative in its searching process

overcoming the weakness of needing to acquire the derivative during their searching process

which some other local search algorithms have. A hybrid genetic algorithm

based on the search algorithm of the steepest direction

is proposed. The algorithm combines the search algorithm of the steepest direction with the genetic algorithm effectively

enhancing the searching ability of the genetic algorithm. The experimental results show that the improved genetic algorithm is more effective than some current optimization algorithms.

关键词

Keywords

references

Tu Chengyuan,Zeng Yanjun.A new genetic algorithm based upon globally-optimal choosing and its practices[J].Engineering Science,2003,5(2):28-29.

Ming Zhou,Sun Shudong.Principle of Genetic Algorithmn and Applicatio[M].Beijing:National Defence Industry Press,1999.

Zhao Chuanxin, Ji Yimu.Particle swarm optimization for 0/1 knaps problem[J].Microcomputer Develepment,2005(10):23-25.

周明, 孙树栋. 遗传算法原理及其应用[M].北京：国防工业出版社，1999.

刘伟,刘海林.基于外点法的混合遗传算法求解约束优化问题[J].计算机应用,2007,27(1):238-240.

白向军,彭国华,陈晓.基于遗传算法和最速下降法的B6zier曲线拟合[J].计算机工程与设计,2009,30(1):194-196.

张晓伟,邢志栋,董建民.求解一类无约束优化的混合遗传算法[J].西北大学学报：自然科学版,2005,35(2):130-132.

江中央,蔡自兴,王勇.求解全局优化问题的混合自适应正交遗传算法[J].Journal of Software,2010,21(6):1296-1307.

唐焕文,秦学志.实用最优化方法[M].3版.大连：大连理工大学出版社,1999.

Holland J H.Adaptation in Natural and Artificial Systems[M].Ann Arbor:The MIT Press,1992.

Goldberg D E, Richarson.Genetic algorithms with sharing for multimodal function optimization[C]∥Grefenstette J ed.Proc 2nd Int Conf Genetic Algorithms and Their Applications.Hillsdale,NJ:Lawrence Erlbaum,1987,41-49.

Kusum Deep,Manoj Thakur.A New Crossover Operator for Real Coded Genetic Algorithms[M].India:Elsevier Inc,2007.

Tu Zhenguo,Lu Yong.A Robust stochastic genetic algorithm for global numerical optimization[J].Evolutionary Computation,IEEE Transactions on,2004,8(5):456-470.

Yao Xin,Liu Yong,Lin Guang-min.Evolutionary programming made faster[J]. Evolutionary Computation,IEEE Transactions on,1999,3(2):82-102.

Wang Y P,Dang C Y.An evolutionary algorithm for global optimization based on leve1-set evolution and Latin squares[J].Evolutionary Computation,IEEE Transactions on,2007,11(5):579-595.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于爬山算子和适应值共享的改进遗传算法

基于模糊图神经网络的工业互联网服务组件编排方法

基于智能优化的协作治疗调度算法

改进遗传算法求解基于MPN混流制造车间调度问题

基于遗传算法的多约束叠合梁斜拉桥钢梁维护策略优化