利用目标函数梯度的遗传算法

被引:31
作者
何新贵
梁久祯
机构
[1] 北京系统工程研究所!北京
[2] 大庆石油学院计算机科学系!黑龙江大庆
关键词
SGA(标准遗传算法); GMGA(梯度改进的遗传算法); DGMGA(离散的梯度改进遗传算法); 适应度函数; 优化;
D O I
10.13328/j.cnki.jos.2001.07.005
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
多数遗传算法在搜索解时没有充分利用其问题域的知识 .提出了一类新的改进的适应度函数的遗传算法 .它考虑了函数在搜索点的函数值及其变化率 ,并将该信息加入适应度函数 ,使得按概率选择的染色体不但具有较小的函数值 (对极小化问题而言 ) ,而且具有较大的函数值变化率 .实验结果表明 ,这类方法的收敛速度明显高于标准遗传算法
引用
收藏
页码:981 / 986
页数:6
相关论文
共 2 条
[1]  
遗传算法与工程设计.[M].(日)玄光男;程润伟著;汪定伟等译;.科学出版社.2000,
[2]  
遗传算法及其应用.[M].陈国良等编著;.人民邮电出版社.1996,