混沌遗传算法(CGA)的应用研究及其优化效率评价
利用混沌运动的遍历性,提出了一种求解优化问题的混沌遗传算法(CGA,Chaos Genetic Algorithm).该算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究结果表明,该方法效果显著,明显提高了优化计算效率.本文将"平均截止代数"和"截止代数分布熵"作为评价指标,对混沌遗传算法(CGA)的优化效率进行了研究,定量地评价了CGA的优化效率,通过与遗传算法(GA)进行比较,进一步说明了CGA的优化效率高于GA.
混沌遗传算法、随机扰动、优化、优化效率
28
O236(控制论、信息论(数学理论))
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
935-942