论文部分内容阅读
遗传算法（GA）是一种适合于数值优化的算法原型,基于1个三父体交叉（TPC）和1个多样性算子虽然可使GA的性能得到很大改进,但仍受制于几个算法参数.在此基础上,对TPC和多样性算子中算法参数的自适应遗传算法进行研究.算法的关键参数在每次迭代中由正态分布生成,并在1组13个数学函数集上施行.对原算法与添加参数适应算法的结果在函数f1~f13上进行对比,并给出了f4和f10的收敛过程,分析表明自适应GA-TPC算法比原算法在解决具体问题时更加高效和稳定.