论文部分内容阅读
遗传算法(Genetic Algorithm,GA)是一种求解复杂全局优化问题的仿生型算法。它以达尔文自然进化论与Mendel遗传变异理论为基础,运算对象是问题的编码,在进化过程中不需要任何梯度或高阶等辅助信息,同时使用多个搜索点的概率搜索技术对复杂可行域进行全局搜索。GA包含一组稳定的遗传算子和一个通用的算法框架,适合开发具有通用性和全局搜索能力的随机优化方法。
DNA计算是利用DNA特殊的双螺旋结构和Watson-Crick碱基互补配对的原则对问题进行编码,把运算的问题转换成DNA分子链,在各种生物酶的作用下,通过结合各种可控的生化反应来生成问题的可能解。DNA计算和GA有很多相似之处,从DNA是重要的遗传物质,带有丰富的信息两方面考虑,把DNA计算引入到GA中,一定会改善GA的性能。本文主要研究内容:
(1)单目标优化的DNA混合遗传算法,从宏观策略和微观策略两方面考虑,在宏观方面提出一种以遗传算法为基础,引入改进的小生境模拟退火算法,构造合理的混合算法框架,在微观方面将DNA计算引入到交叉和变异算子当中。通过7个典型算例的实验结果表明,算法有效,收敛性好。在应用方面,针对网络中的QoS多播路由优化问题,提出一种基于DNA混合遗传算法,算法采用DNA编码方式,将小生境模拟退火算法引入到遗传算法中,使各小生境内的个体独立进化,保持了种群多样性,进而提高算法的搜索能力和收敛速度,实验结果表明,算法得到了显著地改进。
(2)多目标优化的DNA混合遗传算法,针对NSGA-II算法,将DNA计算引入到交叉和变异算子当中,将模拟退火算法与改进的NSGA-II算法有效结合,通过算例验证,非劣解在目标空间分布均匀。在应用方面,将改进后的混合算法应用到武器装备供应合同商的选择与评价中,计算结果表明算法收敛性好,为求解武器装备供应合同商选择的多目标优化问题提供了一种有效工具。