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

来源：

软件学报 | 2001年 / 07期

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

页码：981 / 986

页数：6