论文部分内容阅读
遗传算法是一种概率搜索算法，其基本思想是模拟生物进化过程。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续性、可导等性质，以及其固有的并行性，目前在许多领域得到了广泛的运用。本文介绍了其理论基础，并对诸如未成熟收敛、遗传漂移及如何保持群体的多样性等有关问题作了探讨，设计了一种函数优化算法，利用共享函数来量度群体的多样性，从而动态的调整交叉和变异概率。最后，针对经典问题货郎担问题，设计了一种新的交叉算子，引进“杂交优势”思想，实现了一种启发式搜索策略。对于解包含大量最优路径片段的实验结果，提出了“位移”变异算子，该变异算子能有效的增加最优路径片段进行最优组合的概率。