论文部分内容阅读
遗传算法是一种应用于优化问题的启发式算法，对求解简单问题的全局最优解具有很好的收敛性，但求解复杂优化问题则容易出现过早收敛、稳定性差等现象。为解决上述问题，论文提出了一种自适应遗传算法的改进方法，分别优化了交叉概率和变异概率的计算方式，并运用经典测试函数对该算法进行了验证，分析了此改进的优缺点。实验结果表明，改进后的自适应遗传算法比标准遗传算法可以更好地避免进化初期的停滞、过早收敛现象，具有更高的稳定性。