基于混沌“微变异”自适应遗传算法

Abstract

遗传算法可以较好地解决复杂的组合优化问题, 但也存在两方面不足: 一是搜索效率比其他优化算法低; 二是容易过早收敛, 陷入局部最优. 对此, 提出一种混沌“微变异”遗传算法. 利用混沌优化算法具有随机性和遍历性的特点, 解决遗传算法容易陷入局部最优解的早熟问题, 使得新算法同时具有较强的局部搜索能力和完成全局寻找最优解的能力. 同时, 对遗传算法的选择算子增加了混沌扰动, 对交叉算子和变异算子进行自适应调整, 对适应度函数进行改进, 使遗传算法整体性能得到提高. 最后, 通过经典函数验证表明, 混沌“微变异”遗传算法比一般的混沌遗传算法和经典遗传算法的进化速度更快, 搜索精度更高.