遗传算法的自适应双概率的新方法
摘要：基于遗传算法的性能参数，通过对遗传算法的遗传操作及相关参数的变化进行测量和分析。过去40年，大量研究人员一直致力于遗传算法及其改进的性能方面。之前对遗传算法性能的研究工作强调了进一步研究探索和利用特性，并观察其对遗传算法行为和整体性能的影响。本文介绍了一种新颖的自适应双子概率方法，与先进的双子算子结合，以提高遗传算法的性能。先进的双子算子的设计是从自然基因系统中单次排卵产生双胞胎后代中推导出来的。该算子的双子概率根据最佳个体的适应度自适应变化，从而使遗传算法使用者不需要静态定义其值。这种自适应双子概率的新颖方法在标准的基准优化测试函数上进行了实验和测试。实验结果显示，最佳个体的准确性增加，收敛时间减少。
作者：Anagha P. Khedkar, Shaila Subbaraman
论文ID：1310.1227
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-10-07