一种新型的自适应小生境遗传算法解决多值NP组合问题

一种新型的自适应小生境遗传算法解决多值NP组合问题前言传统的遗传算法通常只能一个最优解，但在许多解优化问题中，都有多个全局最优解和多个局部最优解，我们更多的是要把所有的全局最优解和局部最优解全部找出，

NP 一种新型的自适应小生境遗传算法解决多值组合问题 前言 传统的遗传算法通常只能一个最优解，但在许多解优化问题中，都有多个全局最优解和多个 局部最优解，我们更多的是要把所有的全局最优解和局部最优解全部找出，然后决策人员结 合生产生活的实际情况，权衡各方利弊，在所有的最优或较优解中选出适合的某几个最优解。 这就需要寻解能力超强的遗传算法，一次寻找多个最优解以供参考。因此本文以求最大值为 例提出一种新型的自适应的小生境遗传算法，试图提高对多峰函数的寻优能力，寻找尽可能 多的解，经实验效果比较明显。为了寻找尽可能多的解，我们需要算法尽可能的搜遍整个解 空间，为此可以让个体比较均匀的分散在整个解空间中，并且尽可能不重复的遍历整个解空 间。 算法描述 算法基本思想 1. 算法思想简介 通常随机生成的初始群体，并不一定保证均匀覆盖整个解空间（如图一）。因此我们必须通 过一定的措施使初始群体更加均匀的散满整个解空间，形成均匀群体，然后每隔一定距离选 择其中适应值较优的个体作为候选的小生境核（如图二）。最后借用小生境遗传算法的思想 一次选择一定数目的候选小生境核，并保证群体中的个体都集中在这些小生境内，在每一个 () 小生境核周围进行局部的细致搜索如图三。如果在某一个小生境内找到一个比当前核更优 的个体，则可假设这个更优个体附近更接近全局最优解，因此以这个更优个体为新核，对这 个小生境的搜索就迁移到新核附近（如图四）。当在某个小生境内找到一个最优解或该小生 境与某个已求解距离很近或搜索时间超过一定代数后，算法停止对当前小生境的搜索，转而 搜索候选核中没有搜索过的其他小生境，周而复始一直搜索遍历完所有候选小生境核。 图一 图二 图三 图四 初始群体 均匀群体 在每个小生境内搜索 小生境向更优解迁移