郑培豪
(四川大学电子信息学院,成都610065)
遗传算法(Genetic Algorithm,GA)最初是由J. D.Bagley 在1967 年提出的,该算法是一种基于达尔文生物自然选择和遗传机制的随机搜索算法,随着大量学者多年的研究和发展,GA 依然成为了无数著作中使用的最通用的全局优化求解方法之一[1]。遗传算法属于仿生启发式算法,具有良好的扩展性、强大的全局搜索能力、容易与其他算法结合的特点,在旅行商问题、全局优化问题、规划调度问题中有这广泛的应用。Ahmed[2]提出了一种新的顺序建设性交叉算子,为TSP生成了高质量的解决方案。Nagata 和Soler[3]提出了一种新的非对称TSP 遗传算法。Deep 和Adane[4]针对顺序交叉算子提出了改进的树形结构。Kumar 等提出了TSP 不同交叉算子的比较分析,并表明部分映射的交叉给出了最短的路径[5]。Liu[6]提出改进的遗传算法,通过对变异操作进行增强突变,在交叉操作中使用异构配对选择代替随机选择,最终在解决TSP 问题时其效果优于传统的遗传算法。葛[7]提出一种染色体择优策略,有效减少了算法陷入局部最优的情况。胡[8]结合了遗传算法的全局搜索能力和蚁群算法的反馈机制,并验证了其算法相较于单遗传算法和蚁群算法有更好的寻优能力。Ma[9]最后,基于遗传算法框架和2-opt 选择策略,提出了一种混合遗传算法。仿真结果表明了该算法的有效性。杨[10]提出了一种改进单亲遗传算法进行路线优化,提高了计算效率。朱[11]对单亲遗传算法进行了递阶式编码相比于普通单亲遗传算法收敛精度提升40%。……