摘要
针对传统云自适应遗传算法由于初始种群质量不高、局部搜索能力较差、交叉和变异概率的云模型控制参数为固定值而造成的早熟和收敛速度较慢的问题,提出一种结合混沌搜索的改进云自适应遗传算法(CAGACS)。利用混沌模型生成初始种群,提高初始种群多样性;在进化过程中对最优个体进行混沌扰动,加强算法局部搜索能力;设计了随进化代数和种群规模变化的云模型控制参数,增强交叉和变异概率的自适应变化,克服早熟和收敛过慢的缺陷。实例仿真结果表明,CAGACS算法既保持了云自适应遗传算法的稳定倾向性和随机性,又进一步加强了算法的寻优能力。
-
单位山西省政法管理干部学院