自适应遗传算法的研究

作为一种全局优化算法,遗传算法在很多领域得到了广泛应用。但是经典遗传算法存在收敛速度慢、容易早熟等问题,现有的一些自适应遗传算法容易陷入局部最优解、稳定性差,本文针对这些问题对自适应遗传算法进行了进一步的研究。对自适应遗传算法中的选择策略进行了改进,得到了双重自适应交叉概率计算方式和模拟连续变异的交叉概率计算方式,给出了连续变异的变异概率计算方法,并将分阶段的思想应用到了算法的优化过程中。数值实验表明新算法稳定性好,收敛代数少、全局寻优能力强。把改进的自适应遗传算法应用于购电、配电计划模型的计算中,得到了较理想的购电、配电分配方案。