[发明专利]一种基于相似度排挤的多种群模拟退火混合遗传算法

说明书

技术领域

本发明涉及一种智能优化算法，具体是一种基于相似度排挤的多种群模拟退火混合遗传算法。

背景技术

优化问题是指需要给出一定的方案的寻优方法，然后在众多的方案中给出确定最优方案标准的这样一类问题，这类问题常常存在于科学理论研究与实践中。这些问题由于目标函数可能是多目标、不连续的，并且有一定的约束和非线性，甚至难以解析的，因此用传统的数值方法求解有一定的难度，为此，人们努力寻求更加有效的方法并提出了优化算法。一些比较成熟的优化算法已经能够解决许多的简单问题了，但是让学者们感到力不从心的是在要处理一些比较复杂的系统的时候，这些普通的优化算法已捉襟见肘。直到智能优化算法被提出，智能优化算法使得现代的优化技术的发展更上一层楼，也使那些传统优化方法难以解决的组合优化问题得到了切实有效的解决。

在智能优化算法的发展过程中，最为突出的要数遗传算法了，遗传算法在求解较为复杂问题上有较强的适应能力，它不需要待求问题的导数信息和问题的详细领域知识，只需要搜索方向的目标函数和相应的适应度函数，对问题的种类要求也不高，因此在许多的领域遗传算法都有被应用。然而，随着遗传算法应用的广泛，该算法逐渐暴露出存在诸多缺陷与不足。其中，最显著的两个缺点是早熟收敛和局部搜索能力差，当然还存在着控制参数的选择不易，稳定性差等缺点。为了克服这些缺点，学者们针对性的提出了有效解决早熟收敛、有效维护种群的多样性等的方法。

多种群遗传算法是所提出来的改进遗传算法性能比较好的一种方法，它构建多个子种群来完成标准遗传算法的单个种群在可行解空间的搜索工作，在继承单种群遗传算法并行运算的基础上，这些子种群间各自独立的进化，并在进化的过程中通过信息的交换来增加个体的模式数，从而达到较好的提升种群的多样性来避免算法的早熟收敛。但是多种群遗传算法在实施进化的时候，依旧是使用了传统的遗传操作，所以算法的早熟收敛和局部搜索能力差的问题还是未能彻底的解决，因此，多种群遗传算法还是存在着很大的提升空间。

发明内容

本发明针对现有技术的不足，以四个方面为目的改进遗传算法，即保持进化过程中种群的多样性、提高算法的局部搜索能力、提高进化后期的搜索效率以及获得全局最优解，提出一种基于相似度排挤的多种群模拟退火混合遗传算法。

为了实现上述目的，本发明采用了以下技术方案：

一种基于相似度排挤的多种群模拟退火混合遗传算法，包括如下步骤：

步骤一：编码；

步骤二：设置初始化参数；

步骤三：创建初始种群；

步骤四：计算适应度值；

步骤五：选择操作；

步骤六：交叉操作；

步骤七：变异操作；

步骤八：基因翻转操作；

步骤九：模拟退火Metropolis准则的判断；

还包括如下步骤：

步骤十：基于相似度排挤的迁移操作，具体步骤如下：

(1)计算源种群和目标种群中每一个个体的适应度值；

(2)选择源种群中适应度值最高的个体作为拟移民个体；

(3)相似度计算：计算目标种群中的每个个体与拟移民个体的相似度值，所述相似度值等于两个个体各个基因的等位距离加权求和，个体基因的等位距离dist(x_i,y_i)的计算方法如下式(1-1)，

dist(xi,yi)=|xi-yi|maxi-mini---(1-1)]]>