科研之友
微信
新浪微博
Facebook
分享链接
摘要
遗传算法和模拟退火算法都是以概率为基础的随机寻优方法。遗传算法采用群体爬山法进行搜索，搜索性能虽好，但爬坡性能不佳，且收敛性能不佳，很容易在局部优化中迷失。而模拟退火则将个别的个体视为最优目标，它的局部寻优效果更好，收敛速度更快，跳跃性更好，能够跳过最优的周期，但整体的寻优能力并不好。这两种方法既能克服彼此的不足，又能最大限度地利用它们的优势，从而防止局部最优化。为了解决遗传算法与模拟退火方法的不足，本文采用了遗传模拟退火方法。首先进行了遗传模拟退火的优化，其次对初始解构造、生成新解和求解周期进行了分析，最后用一个解析式实例Jaeschks9对该方法的初始解构造、生成和求解周期进行了详尽的阐述。
-
单位福建师范大学闽南科技学院
