遗传算法优化性能评价准则研究

被引：14

作者：

高强 ^{[1
]}

吕文芝 ^{[2
]}

杜小山 ^{[2
]}

孟庆丰 ^{[2
]}

范虹 ^{[2
]}

何正嘉 ^{[2
]}

机构：

[1] 长安大学汽车工程学院

[2] 西安交通大学机械工程学院

来源：

西安交通大学学报 | 2006年 / 07期

关键词：

遗传算法; 性能评价; 在线性能; 离线性能;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了克服传统遗传算法优化性能评价准则(如在线性能、离线性能)忽略随机因素对算法的影响,从而不能准确评价算法性能的缺点,提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则,给出了平均偏离距和偏离距标准差的数学定义,并分析了它们的泛函意义.由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能,因此能够较好地消除随机因素对算法性能的影响.同时,应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响.基于F2函数的数值实验结果表明,与二进制码相比,格雷码的平均偏离距和偏离距标准差指标都比较低,因此能够更好地提高遗传算法的优化性能.

引用

页码：803 / 806

页数：4