论文部分内容阅读
遗传算法是一种启发式智能优化算法,并且在求解组合优化问题,解决复杂离散优化问题方面展现出其独特的优势。遗传算法本身也具有易于和其他算法融合的特点,数值函数优化以及组合优化都是遗传算法的经典研究领域,但遗传算法在解决大规模、高维函数问题、城市规模较大的巡回旅行商问题时往往存在着许多问题和不足。本文以高维函数优化计算以及大型巡回旅行商问题作为研究的切入点,对遗传算法、蛙跳算法进行了混合研究,旨在运用混合算法更加高效地解决大规模数据处理计算问题。为了实现这个目标,本文做了多方面的工作并提出了一些建设性的改进方案。首先,根据函数优化计算以及大型巡回旅行商问题的复杂程度以及问题特征,基于Tomcat、Redis、Spring Boot等软件技术提出了一个简易的、成熟的RESTful API架构的并行分布式计算系统方案。该方案比较简易,也不失成熟稳定,在满足需求的同时,使本文研究的着重点能够更多的放在混合算法上。其次,为了能够有效地利用蛙跳算法的局部搜索能力,使混合算法具有更佳的全局搜索能力,本文根据巡回旅行商问题的离散特性,提出了一种离散的蛙跳搜索方案,该方案能够根据局部最优个体、全局最优个体的适应度差异实现自适应蛙跳搜索,使算法搜索能够自动调整全局、局部搜索力度。最后,蛙跳遗传混合策略的设计。本文将针对混合遗传算法的内部结构进行分析,以遗传算法为基础,引入改进的离散蛙跳算法,在蛙跳搜索更新与遗传进化操作之间,通过局部最优和全局最优个体的共享操作方式,实现算法的有效结合,配合并行分布式计算方案,进一步提高算法整体的全局搜索能力以及一定程度的局部搜索能力。通过几个通用的算例的实验和对比表明,改进后的混合遗传算法在解决旅行商问题上具有良好的搜索能力。