使用异配交遗传算法追踪动态欺骗性函数的极值
摘要：非随机配对的适应型非随机配对遗传算法（ADMGA）在动态陷阱函数上的行为 摘要：传统的遗传算法（GAs）选配方案独立于基因型或表型的相似性来选择个体进行交叉配对。在自然界中，这种行为被称为随机配对。然而，在自然系统中，更常见的是非随机配对方案-个体根据其亲属关系或相似性进行配对。先前的研究表明，当应用于遗传算法时，负异配配对（一种特定类型的非随机配对，也称为不同配对）可以改善其在广泛问题上的性能（速度和可靠性）。非同配对维持运行期间的遗传多样性水平更高，这一事实经常被观察到作为不同GA逃避局部最优陷阱的解释。动态问题由于其特性，在调整GA时需要特别注意，因为多样性的作用比处理静态问题时更加关键。本文研究了非同配对遗传算法的行为，特别是最近提出的自适应非同配对遗传算法（ADMGA），在动态陷阱函数上。ADMGA根据汉明距离选择父母，通过自适应阈值值。该方法通过在运行过程中保持种群多样性，提供了处理动态问题的有效手段。对具有欺骗性和近似欺骗性陷阱函数进行的测试表明，ADMGA能够在广泛的测试中胜过其他GA，在跟踪移动极值方面，甚至超过一些专门设计用于此目的的其他GA，尤其在变化速度不是很快时效果更好。与先前提出的非同配对GA比较，结果显示在大多数实验中，性能相当，但在解决测试集中最困难的实例时，ADMGA表现更好。
作者：C. M. Fernandes, J.J. Merelo and A.C. Rosa
论文ID：0904.3063
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2009-09-30