多种群遗传算法的函数优化算法
1、案例背景
针对遗传算法所存在的问题,一种多种群遗传算法结构模型(Multiple Population
GA,简称 MPGA)可以用来取代常规的标准计算模型(SGA)。
MPGA 在 SGA 的基础上主要引入了以下几个概念:
(1)突破 SGA 仅靠单个群体进行遗传进化的框架,引入多个种群同时进行优化搜索;不同
的种群赋以不同的控制参数,实现不同的搜索目的。
(2)各个种群之间通过移民算子进行联系,实现多种群的协同进化;最优解的获取是多个
种群协同进化的综合结果。
(3)通过人工选择算子保存各种群每个进化代中的最优个体,并作为判断算法收敛的依据。
图 7-1 MPGA 的算法结构示意图
复杂二元函数求最值:
图 7-2 二元函数图像