基于蛛网结构的改进遗传算法研究

doi:10.3969/j.issn.1006-2475.2011.01.012

计算机与现代化 ›› 2011, Vol. 1 ›› Issue (1): 42-3.doi: 10.3969/j.issn.1006-2475.2011.01.012

基于蛛网结构的改进遗传算法研究

钟郁楠

中国矿业大学电子信息科学与技术系，江苏徐州 221116

收稿日期:2010-09-17 修回日期:1900-01-01 出版日期:2011-01-20 发布日期:2011-01-20

An Improved Genetic Algorithm Based on Structure of Cobweb

ZHONG Yu-nan

Department of Electronic Information Science, China University of Mining and Technology, Xuzhou 221116, China

Received:2010-09-17 Revised:1900-01-01 Online:2011-01-20 Published:2011-01-20

摘要/Abstract

摘要：

针对遗传算法对搜索空间变化的适应能力差，提出一种改进的遗传算法。根据蜘蛛在蜘蛛网上快速抓捕猎物的行为进行深入研究，并将其与GA模型相结合。通过改进遗传算法的初始化方式和适应度的评估方式，增强遗传算法对搜索空间变化的适应能力。对复杂函数的寻优实验验证改进后的遗传算法的有效性，并通过与传统SGA的实际计算结果相对比，更进一步说明算法的改进效果。

关键词: 遗传算法, 蛛网结构, De Jong函数, 适应性, 基本遗传算法

Abstract:

An improved Genetic Algorithm model is described based on the structure of cobweb. To abate the disadvantage related to the fitness of genetic algorithm, the improved genetic algorithm model is combined with several optimal methods brought from the study concerning the structure of cobweb. The improved genetic algorithm model improves the initialization and fitness assessment successfully. By the comparison between two results conducted by the improved genetic algorithm model and the standard model SGA respectively, the accessibility of the new genetic algorithm model is verified. 

Key words: Genetic Algorithm(GA), structure of Cobweb, function De Jong, fitness, SGA

钟郁楠. 基于蛛网结构的改进遗传算法研究[J]. 计算机与现代化, 2011, 1(1): 42-3.

ZHONG Yu-nan. An Improved Genetic Algorithm Based on Structure of Cobweb [J]. Computer and Modernization, 2011, 1(1): 42-3.

[1]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[2]	李颖颖, 黄文培. 基于优化八叉树的场景视锥体裁剪算法[J]. 计算机与现代化, 2024, 0(01): 103-108.
[3]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[4]	张志霞, 谢宝强. 基于FCGA-LSTM与迁移学习的天然气负荷预测[J]. 计算机与现代化, 2023, 0(07): 7-12.
[5]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[6]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[7]	冉昊杰, 王宏智. 基于改进模拟退火算法的生鲜农产品配送中心选址[J]. 计算机与现代化, 2022, 0(10): 36-40.
[8]	战俊伟, 庄毅. 基于能耗与延迟优化的移动边缘计算任务卸载模型及算法[J]. 计算机与现代化, 2022, 0(08): 86-93.
[9]	吴代漾, 赵洁, 梁家铭, 董振宁, 梁周扬. C2C在线短租跨平台房东匹配算法[J]. 计算机与现代化, 2022, 0(06): 43-48.
[10]	徐胜超, 熊茂华. 基于遗传算法的容器云资源配置优化[J]. 计算机与现代化, 2022, 0(01): 108-112.
[11]	徐明, 张剑铭, 陈松航, 陈豪. 柔性作业车间调度问题的多目标优化算法[J]. 计算机与现代化, 2021, 0(12): 1-6.
[12]	张林鹏, 汪西原, 李强. 基于双池化特征加权结构CNN的图像分类[J]. 计算机与现代化, 2021, 0(11): 67-71.
[13]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[14]	杨晓东. 基于遗传算法的会计资源共享管理风险评估模型[J]. 计算机与现代化, 2021, 0(06): 24-28.
[15]	刘军, 彭慧娴, 黄斌, 托尼·谢伊. 基于BP-GamysBoost的乳腺癌诊断模型[J]. 计算机与现代化, 2021, 0(04): 8-14.

基于蛛网结构的改进遗传算法研究

An Improved Genetic Algorithm Based on Structure of Cobweb

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价