主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2022年专刊出版计划 微信服务介绍 最新一期:2021年第2期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
何新贵,梁久祯.利用目标函数梯度的遗传算法.软件学报,2001,12(7):981-986
利用目标函数梯度的遗传算法
Genetic Algorithms Using Gradients of Object Functions
投稿时间:2001-01-05  修订日期:2001-03-05
DOI:
中文关键词:  SGA(标准遗传算法)  GMGA(梯度改进的遗传算法)  DGMGA(离散的梯度改进遗传算法)  适应度函数  优化
英文关键词:SGA (standard genetic algorithm)  GMGA (gradient modified genetic algorithm)  DGMGA (discrete gradient modified genetic algorithm)  fitness function  optimization
基金项目:
作者单位
何新贵 北京系统工程研究所,北京 100101 
梁久祯 大庆石油学院计算机科学系,黑龙江大庆 151400 
摘要点击次数: 3477
全文下载次数: 4584
中文摘要:
      多数遗传算法在搜索解时没有充分利用其问题域的知识.提出了一类新的改进的适应度函数的遗传算法.它考虑了函数在搜索点的函数值及其变化率,并将该信息加入适应度函数,使得按概率选择的染色体不但具有较小的函数值(对极小化问题而言),而且具有较大的函数值变化率.实验结果表明,这类方法的收敛速度明显高于标准遗传算法.
英文摘要:
      Most genetic algorithms do not use the knowledge in the related problem fields completely when searching the approximate solutions. A new kind of genetic algorithm with modified fitness functions the presented in this paper. In this algorithms, both the function value at the searching point and the function change rate at the point are combined into fitness functions. It makes the chromosome code chosen by probability be able to have both smaller function value (for minimum problem) and higher function change rate. The experimental results show that the new algorithm is convergent much faster than the standard genetic algorithm is.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利