基于自适应遗传算法函数优化与仿真

研究模式识别函数优化问题,遗传算法在人工智能中起重要的作用,但遗传算法的性能深受算法参数的影响。为提高全局性寻优和提高算法的搜索性能,避免算法在寻优搜索中陷入局部极值,研究了遗传算法和自遗传算法算子的工作机理,认为Pc和Pm的大小是和个体的适应度有联系的,算法在运行过程中始终要保护适应度高的个体。提出了一种新的自适应遗传算法用于函数优化中,对三个常用的标准测试函数进行了优化,并将其测试结果与简单遗传算法的进行仿真比较,仿真结果表明自适应机制确实提高了算法的搜索性能,取得了较好效果。