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
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第9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
刘全,王晓燕,傅启明,张永刚,章晓芳.双精英协同进化遗传算法.软件学报,2012,23(4):765-775
双精英协同进化遗传算法
Double Elite Coevolutionary Genetic Algorithm
投稿时间:2010-06-23  修订日期:2011-01-31
DOI:10.3724/SP.J.1001.2012.04040
中文关键词:  遗传算法  进化算法  精英策略  协同进化  种群多样性
英文关键词:genetic algorithm  evolutionary algorithm  elitist strategy  coevolution  population diversity
基金项目:国家自然科学基金(60873116, 61070223, 61103045, 61170020); 江苏省自然科学基金(BK2008161, BK2009116); 江苏省高校自然科学研究项目(09KJA520002, 09KJB520012); 吉林大学符号计算与知识工程教育部重点实验室资助项目(93K172012K04)
作者单位E-mail
刘全 苏州大学 计算机科学与技术学院, 江苏 苏州 215006
符号计算与知识工程教育部重点实验室(吉林大学), 吉林 长春 130012 
quanliu@suda.edu.cn 
王晓燕 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
傅启明 苏州大学 计算机科学与技术学院, 江苏 苏州 215006  
张永刚 符号计算与知识工程教育部重点实验室(吉林大学), 吉林 长春 130012  
章晓芳 苏州大学 计算机科学与技术学院, 江苏 苏州 215006
计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093 
 
摘要点击次数: 3727
全文下载次数: 4559
中文摘要:
      针对传统遗传算法早熟收敛和收敛速度慢的问题,提出一种双精英协同进化遗传算法(double elitecoevolutionary genetic algorithm,简称DECGA).该算法借鉴了精英策略和协同进化的思想,选择两个相异的、高适应度的个体(精英个体)作为进化操作的核心,两个精英个体分别按照不同的评价函数来选择个体,组成各自的进化子种群.两个子种群分别采用不同的进化策略,以平衡算法的勘探和搜索能力.理论分析证明,该算法具有全局收敛性.通过对测试函数的实验,其结果表明,该算法能搜索到几乎所有测试函数的最优解,同时能够有效地保持种群的多样性.与已有算法相比,该算法在收敛速度和搜索全局最优解上都有了较大的改进和提高.
英文摘要:
      A new double elite coevolutionary genetic algorithm (DECGA) is proposed to avoid the premature convergence and low speed of convergence, based on the elite strategy and the concept of coevolutionary. In the DECGA, the two different and high fitness individuals (elite individuals) are selected as the core of the evolutionary operation, and the team members are selected by the different evaluation functions to form two teams through these two elite individuals. The two sub-populations can balance the capability of exploration and exploitation by the different evolutionary strategies. Theoretical analysis proves that the algorithm converges to the global optimization solution. Tests on the functions show that the algorithm can find the global optimal solution for most test functions, and it can also maintain the population diversity to a certain range. Compared with the existing algorithms, DECGA has a higher performance in precision of convergence and search efficiency.
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