论文部分内容阅读
遗传算法(Genetic Algorithm,GA)是一种通过模拟自然进化过程搜索最优解的方法。这种算法被提出以来,备受关注,对它的研究与应用也一直是相关学科研究的热点。它被广泛应用于解决各类函数优化问题,例如完全多项式非确定性问题即俗称的NP问题。
但传统的遗传算法普遍存在收敛性和收敛速度问题,为了克服这些问题,本文以实数编码遗传算法为基础,采用多种遗传算子混合计算的方法,并在算法结构上采用分布式计算的模式。通过实验表明,采用多种遗传算子混合计算的方法有助于提高收敛性,而其分布式的计算环境大大提高了其收敛运算速度,在求解大型优化问题时,优势非常明显。
随着问题规模的不断扩大,面对复杂度越来越高的搜索空间,传统遗传算法在优化效率和求解质量上都或有欠缺。本文提出的这种新的遗传算法,即分布式混合杂交遗传算法(Distributed Hybrid Genetic Algorithm,简称DHGA)。着重讨论了分布式计算模型的构造,以及混合杂交算子在分布式计算模型中的实现,并给出了算法的具体程序实现。
本文通过引入多维测试函数对新算法加以验证,证明了该算法的实用性和有效性。