基于遗传算法和蚂蚁算法求解函数优化问题

第!"卷第#期

$%%&年#月浙!江!大!学!学!报!工学版"’()*+,-(./0123,+45+361*7389!:+43+11*3+4;<31+<1"=(->!"?(>#

@,*>$%%&

收稿日期#$%%A %""N >浙江大学学报!工学版"网址#B B B>2()*+,-7>C 2)>1D )><+!1+4

基金项目#高等学校博士点专项科研基金资助项目"$%%#%##N %%$#>

作者简介#杨剑峰""E &&F #$男$江苏盐城人$博士生$从事蚁群算法方面的研究>:G H ,3-%92."E &&%!C 2)>1D )><+基于遗传算法和蚂蚁算法求解函数优化问题

杨剑峰

"浙江大学电气工程学院$浙江杭州#"%%$&

#摘!要#针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题$提出一种基于遗传算法和蚂蚁算法的混合算

法>该混合算法利用了遗传算法快速随机的全局搜索能力的优点$设计了编码与适应度函数$进行了种群生成与染

色体的选择$并通过设定交叉算子和变异算子$生成了信息素分布>该混合算法利用了蚂蚁算法正反馈以及具有分

布式并行全局搜索能力的优点$通过确定吸引强度的初始值$建立了强度更新的模型$从而求得精确解>并将该算

法应用于求解函数优化问题>结果表明$该混合算法与遗传算法和蚂蚁算法相比$收敛速度快$寻优性能好>

关键词#遗传算法&蚂蚁算法&函数优化

中图分类号#J K "#!!!!!文献标识码#Q !!!!!文章编号#"%%P E &#R "$%%&#%#%!$&%!

‘F 0,*+"0"$

*+#+/(*+"0$)"5%(-&9"01&0&*+,(%1")+*2#(09(0*(%1

")+*2#S Q ?‘’3,+G .1+4

"8(**’+’()/*’?$,%?.*/"+%"’’,%"+$01’2%."+3"%4’,#%$5$6."+

71(&#"%%$&$81%".#65-*)(,*%Q 3H 1D ,8801W *(I -1H 7(.-(B7(-)83(+W *1<373(+I 941+183<,-4(*380H,+D 7-(B*17(-63+47W 11D I 9

,+8,-4(*380H $,09I *3D ,-4(*380HI ,71D(+41+183<,-4(*380H,+D ,+8,-4

(*380H B ,7W *171+81D >J 01H 1*38(.,Y )3<[,+D *,+D (H 4-(I ,-71,*<03+43+41+183<,-4(*380H B ,7)71D 3+8(801W *(W (71D09I *3D,-4

(*380H>J 01<(D 3+4,+D.38+177.)+<83(+B ,7D 1734+1D $,+D W (W )-,83(+W *(D )<3+4,

+D<0*(H (7(H 171-1<83(+B 1*1W 1*.(*H 1D >J 01D 1734+(.<*(77(61*(W 1*,8(*,+DH )8,83(+(W

1*,8(*B ,7D 181*H 3+1D $,+D 801+W 01*(H (+1D 378*3I )83(+B ,7,<03161D >J 01H 1*387(.W (738361.11D I ,<[3+,+8,-4(*380H $801W ,*,--1-W *(<1773+4,+D 4-(I ,-71,*<03+4B 1*1)83-3C 1D 3+801W *(W (71D09I *3D ,-4(*380H $,+D 8013+383,-6,-)1(.,88*,<83(+3+81+7389B ,7<(+.3*H 1D >J 01H (D 1-(.3+81+7389)W D ,83+4B ,7718)W $

,+D 801+8011V ,<87(-)83(+B ,7(I 8,3+1D >J 01,-4(*380H B ,7,W W -31D 8(7(-61.)+<83(+(W 83H 3C ,83(+W *(I -1H 7>J 01*17)-8770(B80,8<(H W

,*1DB 38041G +183<,-4(*380H ,+D,+8,-4(*380H $801W *(W (71D,-4(*380H <(+61*417.,781*,+D 0,7I 1881*71,*<03+4

,I 3-389

>7&8.

")9-%41+183<,-4(*380H &,+8,-4(*380H &.)+<83(+(W 83H 3C ,83(+!!函数优化问题是在工程’

控制’决策中普遍存在的一类优化问题$其优化目标函数可能包含多个

在一定范围内的连续变量$传统的优化手段对目标

函数要求苛刻$如需要满足可导或者可微等>导致有

些函数难以优化$容易陷入局部解而难以得到全局

最优解$收敛速度较慢>近年来$人们从仿生学的机

理中受到启发$提出了许多用于求解函数优化问题的新方法$如模拟退火算法’遗传算法’蚁群算法等>然而对于函数优化问题的复杂性$每种算法都表现出各自的优势和缺陷>遗传算法"41+183<,-4(*380H $‘Q #是T (--,+D 教授首先提出来的一类仿生型优化算法>在使用万方数据