论文部分内容阅读
针对传统的遗传算法在大量的冗余数据中进行运算的时候,会对数据进行迭代处理,直到获取指定区域中的理想取值,或者在上述数据中不能出现更加优异的个体,在数据集合中的个体相似度较高,造成出现早熟问题。为了解决这一问题,提出了基于Huffman染色体编码的抗早熟遗传算法,在抗早熟处理的过程中,建立早熟自适应模型,计算集合中全部样本的自适应系数,从而获取理想取值,并将其当做重要的参考数据。同时通过运算获取数据集合中的样本密度,从而避免单个样本重复出现的情况,降低了早熟的概率。实验证明这种抗早熟遗传算法准确有效,效率更