词条 | 退火进化算法 |
释义 | 退火进化算法(annealing evolution algorithm, AEA) 别名:遗传模拟退火算法,混合模拟退火算法 遗传算法(GA)模拟退火算法(SA)是人工智能中用于解决组合优化问题的经典算法, 但是,SA 在全局搜索能力方面不足,GA 在局部搜索能力方面不足。而退火进化算法 (annealing evolution algorithm, AEA)综合了SA和GA算法,优势互补, 发挥SA 局部搜索能力和GA 全局搜索能力,克服SA 全局搜索能力差及效率不高的问题 和GA 局部搜索能力差及其早熟现象。 AEA把SA算法与GA结合在一起,通过变异与选择不断改善解群体,并行搜索解空间, 从而有可能更迅速地找到全局最优解。由于在选择中采用Metropolis准则, 因而保留了SA算法易跳出某局部极值“陷阱”的优点,易于向全局极小值快速收敛。 算法求解过程如下: (1)初始化进化代数计数器k←0,随机给出种群P(k)初值,给定初试退火温度T0。 (2)评价当前群体P(k)的适应度。 (3)个体交叉操作(附带保优操作): P(k)’←Crossover[P(k)]。 (4)个体变异操作(附带保优操作): P(k)”←Mutation[P(k)’]。 (5)由SA状态函数产生新个体。 (6)个体模拟退火操作(Metropolis准则接受新个体): P(k)”’←SA[P(k)”]。 (7)判断SA抽样是否稳定,若不稳定,则返回(5);若稳定,则往下执行退温操作T←T’ (8)个体复制操作,由择优选择模型保留最佳种群:P(k+1)←Reproduction[P(k)∪P(k)”’]。 (9)终止条件判断,若不满足终止条件,则k←k+1,转到(2);若满足终止条件, 则输出当前最优个体,结束算法。 |
随便看 |
百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。