用于连续域优化的遗传网格蚂蚁融合算法

摘要：

在进行函数优化时,遗传算法具有全局搜索能力强的特点,但其存在早熟收敛和后期收敛速度慢及局部搜索能力弱的问题.网格蚂蚁算法具有局部搜索能力强、优化精度高等特点,但其全局收敛速度较慢.因此提出了用于连续优化的遗传网格蚂蚁融合算法(Genetic and Grid Based Ant Colony Algorithm,GGACO).该算法将遗传算法和网格蚂蚁算法相结合,用遗传算法进行全局搜索,用网格蚂蚁算法进行局部迭代寻优,经过若干次循环迭代产生最终结果.仿真实验结果表明,该算法在解决复杂函数优化时全局收敛性能好、速度快,尤其在解决高维多峰函数优化问题时效果更显著.

关键词：遗传算法、网格蚂蚁算法、高维多峰函数优化

所属期刊栏目：47

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60673102;江苏省自然科学基金BK2006218

在线出版日期：2011-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：53-56,100