文摘
|
在科学实践、工程技术和日常生活中,人们常常会遇到大量的、各式各样的最优化问题。最优化方法在近几十年里获得了巨大的发展,但目前很多方法不同程度上还存在着一些不足之处。尤其是最终所求的大多为局部最优解,并不是全局最优解。而近年来得到蓬勃发展的遗传算法其基本是一种求解问题的高效并行全局搜索方法。它能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以求得最优解。遗传算法对目标函数或约束条件,既不要求连续,又不要求可微,只要问题是可计算的就行。 |
其他语种文摘
|
Deeply analyzed the conventional genetic algorithm and for its shortcomings on nonlinear optimization, heuristic genetic algorithm (HGA) is proposed. The simulated results show that the problem can be solved effectively using HGA.HGA makes some improvements on ability of global searching and locally searching. A novel way of solving nonlinear optimization that can not be realized using the general method is proposed. |
来源
|
数值计算与计算机应用
,2003,24(1):30-35 【核心库】
|
关键词
|
最优化方法
;
启发式遗传算法
;
梯度寻优技术
;
染色体
;
Camel函数
;
Banana函数
;
最优化问题,
|
地址
|
湖北大学数学与计算机科学学院, 武汉, 430062
|
语种
|
中文 |
文献类型
|
研究性论文 |
ISSN
|
1000-3266 |
学科
|
数学 |
基金
|
湖北省教育厅重点项目
|
文献收藏号
|
CSCD:1219412
|