【作者】 曹爱增； 陈月婷； 魏军； 李金屏；

【Author】 Cao Aizeng1,Chen Yueting2,Wei Jun1,Li Jinping1 1.Institute of Pattern Recognition and Intelligent System,School of Information Science and Engineering,Jinan University,Jinan,250022,P.R.China2.School of Control Science and Engineering,Jinan University,Jinan 250022,P.R.China

【机构】 济南大学信息科学与工程学院模式识别与智能系统研究所； 济南大学控制科学与工程学院；

【摘要】 在讨论种群进化趋势的基础上,结合EDAs(Estimation of Distribution Algorithms)和聚类分析的基本思想,提出了一种改进的杂合进化算法。首先,利用聚类分析将现有种群进行初步分类,并根据类内个体信息采用EDAs原理构造类内个体的分布状况;然后,对于每一分类,利用EDAs产生下一代部分个体,采用极值组合的思想进行类间信息交互,产生下一代的其余个体,从而有效防止早熟收敛。当某类个体的分布区域缩小到一定范围后,利用EDAs产生下一代个体的过程将退化为穷举的局部搜索过程。仿真结果表明,这种算法能够在极大提高全局搜索效率的基础上,可以有效地防止早熟收敛。更多还原

【Abstract】 An improved mixed evolutionary algorithm is proposed,which is based on evolutionary trend,EDAs(Estimation of Distribution Algorithms)and clustering analysis.Firstly,the population is classified by clustering algorithm,then for each class,partial individuals of next generation are generated by EDAs,and the rest are supplemented by combination of extrema among classes,which can overcome the premature effectively.When the individuals in some classes converge to a small field,an exhaustive local search replaces EDAs.Simulation shows the algorithm can not only improve the global searching greatly,but also overcome premature effectively.更多还原