一种改进的遗传算法:GA-EO算法

被引：9

作者：

何嘉 ^{[1
,2
]}

李雪冬 ^{[2
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 成都信息工程学院计算机学院

来源：

计算机应用研究 | 2012年 / 29卷 / 09期

关键词：

遗传算法; 混合遗传算法; 极值优化算法; 局部极小;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对基本遗传算法(GA)有局部搜索能力差、计算量大、对较大搜索空间适应能力差和易收敛于局部极小值等问题,采用将极值优化(EO)算法与传统遗传算法相结合的方式,对基本遗传算法进行改进,提出了一种新的算法:GA-EO算法,并用实验证明了新算法的有效性。

引用

收藏

页码：3307 / 3308+3311 +3311

页数：3

相关论文

共 7 条

[1]

GA-SAPSO神经网络模型的构建 [J].

周建新 ;

付传秀 .

佳木斯大学学报(自然科学版), 2011, 29 (01) :32-35

[2]

基于PSO-EO算法优化的BP神经网络研究 [J].

吴俊学 .

科学技术与工程, 2010, 10 (24) :6047-6049

[3]

极值优化算法研究 [J].

李晓红 ;

熊盛武 .

武汉理工大学学报, 2009, 31 (03) :40-44

[4]

极值优化算法综述 [J].

齐洁 ;

汪定伟 .

控制与决策, 2007, (10) :1081-1085+1090

[5]

一种改进的遗传算法:Family GA [J].

李建华 ;

王孙安 ;

杜海峰 ;

不详 .

控制与决策 , 2004, (09) :999-1003

[6]

一种改进的遗传算法Scatter GA [J].

关志华 ;

寇纪淞 ;

李敏强 .

控制与决策, 2002, (05) :579-582+634

[7]

遗传算法机理的研究 [J].

张铃 ;

ahu.edu.cn ;

张钹 .

软件学报, 2000, (07) :945-952