办公自动化（学术版）
辦公自動化（學術版）
판공자동화（학술판）
Office Automation
2015年
8期
59-61,42
,共4页
遗传算法%收敛%选择算子
遺傳算法%收斂%選擇算子
유전산법%수렴%선택산자
Genetic algorithm%Convergence%Selection operator
遗传算法是一种随机全局搜索和优化方法，早熟现象是该算法的最大缺点。本文对遗传算法的选择算子进行改进，改进的思路是：在进化的不同阶段，优良个体所占的比重不同，因此在不同的阶段，采用不同的选择策略，保证遗传算法的收敛效果。最后，对改进的遗传算通过实验仿真的方法进行验证。
遺傳算法是一種隨機全跼搜索和優化方法，早熟現象是該算法的最大缺點。本文對遺傳算法的選擇算子進行改進，改進的思路是：在進化的不同階段，優良箇體所佔的比重不同，因此在不同的階段，採用不同的選擇策略，保證遺傳算法的收斂效果。最後，對改進的遺傳算通過實驗倣真的方法進行驗證。
유전산법시일충수궤전국수색화우화방법，조숙현상시해산법적최대결점。본문대유전산법적선택산자진행개진，개진적사로시：재진화적불동계단，우량개체소점적비중불동，인차재불동적계단，채용불동적선택책략，보증유전산법적수렴효과。최후，대개진적유전산통과실험방진적방법진행험증。
Genetic algorithm is a stochastic global search and optimization methods, the biggest drawback of the algorithm is prematurity. In this paper, the choice of genetic algorithms operator is improved. The idea is that: in the different stages of evolution, the proportion of good individual is different, so in different stages, the convergence effect of genetic algorithm is ensured by different selection strategies . Finally , the improved genetic algorithm is ver-ified by experiments .
