标准遗传算法的改进方案——加速遗传算法

!""#年$月系统工程理论与实践第$期文章编号%#"""&’())*!""#+"$&""")&"’标准遗传算法的改进,,加速遗传算法金菊良#-杨晓华!-丁晶.*#/合肥工业大学土建学院-安徽合肥!."""01!/河海大学数学物理系-江苏南京!#""0)1./四川大学水电学院-四川成都’#""’2+摘要%针对标准遗传算法在实际应用中存在的问-设计了简单遗传算法的一种改进形式,,加速遗传算法*343+-并对343的有效性和可行性进行了理论分析和实例分析5关键词%标准遗传算法1改进1算法分析1水问题中图分类号%6!!$文献标识码%37389:;<=>?@AB:;C?4?8?DBE3CF=<BDG:,,3EE?C?<HDB8F4?8?DBE3CF=<BDG:I9JIK&CBH8F#-L3J4MBH=&GKH!-N9J4IB8F.*#/AEG==C=OPB>BCQ8FB8??<B8F-R?O?BS8B>?<TBDU=OV?EG8=C=FU-R?O?B!."""0-PGB8H1!/R=GHBS8B>?<&TBDU-JH8WB8!#""0)-PGB8H1./ABEGKH8S8B>?<TBDU-PG?8F@K’#""’2-PGB8H+XYZ[\]̂[A=:?D?EG8=C=FBEHC;<=_C?:TB8H;;CBEHDB=8=OTB:;C?F?8?DBEHCF=<BDG:*A43+D=‘HD?<;<=_C?:TH<?@BTEKTT?@-H8B:;<=>?@F?8?DBEHCF=<BDG:*343+BT;<?&T?8D?@-T=:?DG?=<?DBEHCH8@;<HEDBEHC;<=_C?:T=O343H<?H8HCUa?@/bcdef\gZTB:;C?F?8?DBEHCF=<BDG:1B:;<=>?@:?HTK<?:?8D1HCF=<BDG:H8HCUTBT1‘H&D?<;<=_C?:遗传算法*F?8?DBEHCF=<BDG:-简称43+h#-!i是模拟生物进化过程中优胜劣汰规则与群体内部染色体信息交换机制的一类处理复杂优化问题的新方法5与其他优化方法相比-43具有如下特点h#j.i%#+适应性强%43只要求优化问题是可计算的-与所求解问题的性质无关1!+全局优化%43同时从一代点群开始进行多点k多路经搜索寻优-在各搜索点之间交换信息-可以有效地搜索整个解空间1.+编码特征%43通过编码将变量转换成与遗传基因类似的数字编码串结构-43的直接操作对象是这些数字编码串543通过编码机制可以统一处理各种复杂的优化问题1$+概率搜索%43的各种遗传操作都是采用随机方式进行的12+隐含并行性%43通过控制群体中l个串来反映m*l.+阶个图式*TEG?:H+-基于这种隐含并行性-43能利用较少的数字串来搜索解空间中的大量区域-这是它优于其它优化方法最主要的因素1’+自适应性%43用杂交k变异两种遗传算子作为搜索工具-用适应度函数对搜索到的解的质量进行评价-并根据评价结果用选择遗传算子来引导以后的搜索方向5(+算法的简单性k通用性%在43中-编码方式和选择k杂交k变异操作算子都是确定的-易于写成一个简单的通用算法-在应用中要修改的只是与适应度函数有关的具体目标函数的定义方式和43算法控制参数的设置而已5基于这些特点-43已在各种优化领域中开始得到广泛应用h#-!i5标准遗传算法*又称简单遗传算法-AB:;C?4?8?DBE3CF=<BDG:-简称A43+h#i-至今仍是国内外43应用中常用的实施方案5针对A43在实际应用中存在的问题-本文设计了A43的一种改进方案,nnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn加速遗传7收稿日期%#000&##&#"资助项目%国家自然科学基金*$0)(#"#)+1中国博士后科学基金*中博基h#000i#"号+/万方数据算法!"##$%$&’()*+,$*$()#"%+-&)(./0简称","10探讨了","控制参数的设置技术0并对","的收敛性2全局优化性能和适用性等进行了分析34565的计算原理7,"的选择算子2杂交算子的寻优功能随进化迭代次数的增加而逐渐减弱0在应用中常出现早熟收敛87,"的计算量大2全局优化速度慢87,"优化结果的精度受编码长度控制87,"控制参数的设置技术复杂0目前尚无好的准则指导8特别是当实际问题变量的变化区间很大时0上述问题就十分突出0应用7,"就极为困难3针对这些问题0我们利用在7,"运行过程中搜索到的优秀个体这一子群体来逐步调整变量的搜索区间0可设计一种7,"的改进形式9","3设一般优化问题为/)*:!;<0;=0>0;?1@AB;ABCDAAE<0=0>0?!<1其中0D;AF为?个变量8G@A0CAH为;A的初始变化区间8:为非负的优化准则函数I","包括如下J步K步4变量初始变化空间的离散和编码I采用二进制编码时0杂交操作的搜索能力比十进制编码时的搜索能力强0且随着群体规模的扩大这种差别就越明显0鉴于此0这里采用二进制编码I设编码长度为L0把每个变量的初始变化区间G@A0CAH等分成=LM<个子区间;AE@ANOAPQAAE<0=0>0?!=1其中0子区间长度QAE!CAM@A1R!=LM<1是常数8搜索步数OA为小于=L的任意十进制非负整数0是变数I经过编码0变量的整个初始变化空间被离散成!=L1?个网格点I称每个网格点为个体0它对应?个变量的一种可能取值状态0并用?个L位二进制数DS@!A0T1UAE<V?8TE<VLF表示KOAEWLTE<S@!A0T1P=TM<AE<0=0>0?!X1这样0通过式!=1和式!X1的编码0?个变量D;AF的取值状态2网格点2个体2?个二进制数DS@!A0T1F之间建立了一一对应的关系I步Y初始父代群体的随机生成I设群体规模为ZI从上述!=L1?个网格点中均匀随机选取Z个点作为初始父代群体I也即生成Z组G[0<H区间上的均匀随机数!以下简称随机数10每组有?个0即D\!A0S1UAE<V?8SE<VZF0这些随机数经下式转换得到相应的随机搜索步数OA!S1E]̂_!\!A0S1P=L1AE<0=0>0?8SE<0=0>0Z!‘1其中0]̂_!1为取整函数I这些随机搜索步数DOA!S1F由式!X1对应二进制数DS@!A0T0S1F0又由式!=1与Z组变量D;A!S1F相对应0并把它们作为初始父代群体I步a父代个体串的解码和适应度评价I把父代个体编码串S@!A0T0S1经式!X1和式!=1解码成变量;A!S10把后者代入式!<1得相应的优化准则函数值:!S1I:!S1值越小表示该个体的适应度值越高0反之亦然I把D:!S1USE<VZF按从小到大排序0对应的变量D;A!S1F和二进制数DS@!A0T0S1F也跟着排序0为简便0这些记号仍沿用I称排序后最前面几个个体为优秀个体!bcd$&)-&)*e)f)ec’%b1I定义排序后第S个父代个体的适应度函数值为g!S1E<R!:!S1h:!S1N[i[[<1SE<VZ!j1上式分母中k[i[[<l是经验设置的0以考虑:!S1为[时的情况8平方形式:=!S1是为了增强各个体适应度值之间的差异I步m父代个体的概率选择I取比例选择方式0则个体S的选择概率?n!S1为?n!S1Eg!S1WZSE<g!S1SE<VZ!o1令?SEWSTE<?n!T10序列D?SUSE<VZF把G[0<H区间分成Z个子区间KG[0?<H0!?<0?=H0>0!?ZM<0?ZH0这些子区间与Z个父代个体建立一一对应关系I生成Z个随机数D\!T1UTE<VZFI若\!T1落在!?SM<0?SH中0p第‘期标准遗传算法的改进方案99加速遗传算法万方数据则第!个个体被选中"其二进制数记为#!$%&’"("!)*’+%,-.(+%,/01同理可得另外的2个父代个体#!$3&’"("!)*’+%,-.(+%,/.!+%,201这样从原父代群体中以概率-4&!)选择第!个个体"共选择两组各2个个体1步5父代个体的杂交1杂交概率-6控制杂交算子使用的频率"在每代新群体中"有27-6个个体串进行杂交1-6越高"群体中串的更新就越快"89搜索新区域的能力就越强"因此这里-6取定为%:;1目前普遍认为两点杂交方式优于单点杂交方式"故这里采用两点杂交1由步<得到的两组父代个体随机两两配对"成为2对双亲1先生成3个随机数=%和=3"再转成十进制整数>?=%+@AB&=%7/)"?=3+@AB&=37/)1设?=%C?=3"否则交换其值1第!对双亲!$%&’"("!)和!$3&’"("!)的两点杂交"是指将它们的二进制数串中第?=%位至第?=3位的数字段相互交换"得到两个子代个体!D$%&’"("!)和!D$3&’"("!)"即!D$%&’"("!)+!$3&’"("!)"当(EF?=%"?=3G!$%&’"("!)"当#(HF?=%"?=3G&I)!D$3&’"("!)+!$%&’"("!)"当(EF?=%"?=3G!$3&’"("!)"当#(HF?=%"?=3G&J)步K子代个体的变异1这里采用两点变异"因为它与单点变异相比更有助于增强群体的多样性1生成<个随机数=%,=<1当=%C;:L时子代取式&I)"否则取式&J)"这样得到2个子代个体"记其二进制数为#!$&’"("!)01把=3M=N转化成小于/的整数>?=%+@AB&=37/)"?=3+@AB&=N7/)1变异率&-O)定义为子代个体发生变异的概率1所谓子代个体!$&’"("!)的两点变异"是指如下变换!$&’"("!)+当=<P-O且(E#?=%"?=30时"原(位值为%时变为;"原(位值为;时变为%.#其它情况值不变&Q)这里"利用=%以;:L的概率选取杂交后生成的两个子代个体的任一个"利用=3M=N来随机选取子代个体串中将发生变异的两个位置"利用=<来控制子代个体发生变异的可能性1步R进化迭代&演化迭代)1由上步得到的2个子代个体作为新的父代"算法转入步N"进入下一次进化过程"如此循环往复1以上I步构成S891步T加速循环1根据S89各算子的寻优性能和大量的数值实验与实际应用"我们用第一次M第二次进化迭代所产生的优秀个体的变量变化空间"作为变量新的初始变化区间"算法进入步%"重新运行S89"如此加速循环"直到最优个体的优化准则函数值小于某一设定值或算法运行达到预定加速循环次数"结束整个算法的运行1此时就把当前群体中最佳个体或某个优秀个体指定为989的结果U以上J步构成9891VWXW控制参数的设置989的控制参数包括二进制数编码长度/M群体规模2M优秀个体数目4和变异率-O"必须对它们进行适当的设置才能得到989运行的最优性能1为便于分析"现取实验问题为YZ[\+]N;!+%*6%^63_!^6N_3!‘a!*"其中的输入M输出数据为#&_!"a!)*_!+!.a!+%̂3_!^N_3!.!+%,N;0"变量6%M63和6N的初始变化区间分别为F‘%;"%;GMF‘3;"3;G和F‘N;"N;G"该问题的理论最优点为6b+#%"3"N01%)关于编码长度/1在S89中"/值越大"则解的精度越高"算法的计算量越大"反之也然1而在989中"随着989的运行"变量的变化空间的网格自动分细&称之为989的隐式动态编码)"解的精度自动提高"精度不受/值控制1经验表明/"一般可取定%;13)关于变异率-O1-O反映了个体向其它个体网格点随机变迁的概率1由于989保证了算法的收剑性&证明见N:%小节)"-O越大"搜索区域越大"寻优效率越高"越有利于克服早熟收敛1对实验问题-O分别取;:;M;:L和%:;的情况"989加速循环%Q次时所得最佳个体的优化准则值&本文简称\%值)分别为;:3;<M;:;cL和;:;3%"前者出现早熟收敛1大量的数值试验表明FNG"一般-O可取定%:;1N)关于群体规模2和优秀个体数目41由式&c)可知"2个父代个体是按选择概率"从&3/)-个变量空间;%系统工程理论与实践3;;%年<月万方数据网格点中的一个随机抽样!"太小则由于群体对搜索空间大部分的超平面只给出了不充分的采样点!群体的代表性不足!显然不能充分探测到优化准则函数在最优点附近的足够信息!因此所得到的结果一般不佳#大的群体可更好地代表优化准则函数在搜索空间上的变化特性!也大大增强了基于二进制编码的杂交操作的搜索能力!从而可以阻止早熟收敛#对实验问题$%&’的情况!当"%&’’时()(加速循环*’次后+&值早熟收敛于&,-&*!而当"%*’’时则全局收敛!这"取&’’太小#在"一定时!$越大!优秀个体包围.接近最优点的机会就越大!但()(的收敛速度越慢#对实验问题"取*’’的情况!当$取/时()(加速循环,’次后+&值早熟收敛于’-’’’0!当$取&’时则全局收敛!而当$取更大值时()(收敛变慢#随着"增大而$仍维持较小值不变时!优秀个体子群体占群体的比例将越来越小!使得优秀个体没有足够的信息量来反映优化准则函数在最优点附近的变化特性!从而使优秀个体包围.接近最优点的机会减少#对实验问题"取/’’的情况!当$取&’时()(加速循环*’次后+&值早熟收敛于’-10!当$取*’时则()(全局收敛#另外!()(的计算量与",.$,都成正比!故".$又不能取得很大#2)(在处理变量的搜索空间很大问题时!它的计算量很大!而且它的算法控制参数的设置技术也趋复杂化#由于()(利用进化迭代过程中产生的优秀个体所包含的优化准则函数在最优点附近各变量方向的变化特性的信息!来调整变量变化区间的大小!使()(同时在3个变量方向寻优且收敛#只要优秀个体数目$与群体规模"配置合理!就可望能增强()(对实际优化问题变量变化区间的大小变化的适应能力#经大量类似上述的数值实验和实际优化问题的应用!本文初步认为".$的配置应满足如下经验关系$4"5"4678,796&’9其中!7一般取定&’!而"一般取*’’以上#6"!$9的常用配置有6*’’!&’9.60’’!,’9和6/’’!*’9#:;<;的理论分析&9()(的收敛性分析#不失一般性!设式6&9的问题为单变量问题!变量的初始变化区间=>’!?’@为已知#则据()(的计算原理!对第A次加速循环时变量的搜索区间=>A!?A@有B’C?AD>AC?AD&D>AD&!A%&!,!E#也即’C6?AD>A946?AD&D>AD&9%FAC&!并且取G%H号的概率很小#因当IJK时有LIA%&FAJ’6依概率&9!所以当AJK时!’C?ID>ICLIA%&FA6?’D>’9J’6依概率&9!因此()(是依概率&收敛的#,9()(的全局优化性能分析!包括()(与其它用压缩解空间的方式对2)(的改进方案的对比分析和()(控制参数的设置分析两个方面#变量搜索空间的大小变化影响2)(的收敛速度和计算结果M搜索空间越大!寻优时间越长!且初始解不易分散到整个解空间!对寻优结果有影响M2)(的大量实践表明=0DN@!随着2)(进化选代的进行!群体将向着一个或少数几个方向移动!这暗示着最优解的趋向和分布所在!此时适当压缩2)(搜索区域就可避免后续2)(仍在整个解空间中搜索!以致做大量无用功M目前基于压缩解空间的2)(的改进方案大致有以下几种B&9当问题为混合离散或离散优化问题时!将混合负次梯度方向作为压缩方向=0@O,9将群体各个体组合成一个多面体!求得多面体中除最差个体以外的所有个体的几何中心!取该中心与最差个体的连线方向为压缩方向=/@O*9利用群体的最佳个体构造压缩解空间=N@M上述这些2)(的改进方案都是仅用当前群体中单个最差个体或最佳个体来压缩搜索范围的O而()(是用优秀个体这一子群体来调整搜索范围的!因此()(的全局优化更具有稳健性#此外!()(在控制参数设置中采用了许多措施来增强它的全局优化性能#()(的群体规模"一般取*’’D/’’!而2)(一般取&’D&N’之间=,@!从而增强了()(的群体多样性和代表性!从根本上提高了()(的全局优化性能#杂交概率3P控制着杂交算子的作用频率!如果3P较高!可加快群体中个体更新速度!提高算法在解空间中探索新区域的能力!因此在()(中取3P为最大6&-’9!同时采用两点杂交方式#变异是增加群体多样性的搜索算子!如果变异率3Q过低!群体在进化过程中产生新个体的速度减慢!搜索会由于小的探查率而可能停滞不前!一定的3Q可以防止由于群体中所有个体的某一基因位收敛于相同基&&第0期标准遗传算法的改进方案RR加速遗传算法万方数据因码而导致搜索过程被限制在解空间的某个仿射子空间上!"#越大$%&%搜索新区域就越大$越有利于克服早熟收敛$因此在%&%中取"#为最大’()*+$同时采用两点变异方式!为平衡群体规模与算法的收敛速度$经大量数值试验$%&%采用较少的进化迭代次数’,次+这一策略!显然$优秀个体包围最优点的概率决定了%&%的全局优化性能$对此试作初步分析!假定-&%在每次进化迭代中产生的.个优秀个体随机分布在最优点附近$且这种分布是均匀的$则在单变量优化问题和%&%加速循环一次’进化迭代,次+的情况下$这,.个优秀个体包围最优点的概率/0"为(1*)2,.!根据我们的研究$.一般取(*以上$则/0"值大于*)333333*45!同理$在"个变量的优化问题和加速循环6次的情况下$优秀个体包围最优点的概率/0"为’(1*)2,.+"6!例如$’"$6+分别为’(*$,*+7’,*$,*+和’2*$,*+时/0"值分别为*)33387*)3335和*)333*!可见$%&%在逐步压缩搜索空间时一般仍有很大概率进行全局优化!9+%&%的适用性分析!解全局最优化问题的大多数方法是根据在解空间中已搜索到的测试信息$利用启发式搜索来产生尽可能好的探测点!研制%&%的主要目标之一就是使设计的算法是稳健的$以广泛适用于多种问题!%&%采用的二进制编码方法几乎可以对任何优化问题进行编码$同时它采用了隐式动态编码方式$随着%&%的运行$搜索空间的网格自动分细$%&%的解的精度不再受二进制编码长度的控制$所以它适用于连续:离散变量优化问题!研究表明;9<$%&%对变量搜索空间的大小变化具有适应性$表现为对适应度函数值越敏感的变量$它的搜索空间被压缩得越快!对实验问题=>9**7.>(*的情况$%&%加速循环(*次$优秀个体各变量?(7?,和?9的变化区间分别为;1*),(4$()225<7;()3(5$,)(45<和;,)335$9)**9<$说明?(7?,和?9对适应度函数值的敏感性依次越来越强$这与实际情况相一致!%&%的计算量少$对一般实际优化问题$%&%加速循环次数在(*次左右;9<$在每次加速循环中%&%只进行,次进化迭代!%&%控制参数的设置技术较-&%简明!%&%各算子与具体问题无关!由此可见$%&%的适用性是很强的!@ABA的实例分析例C即本文的实验问题;9<!-&%在第(*次进化迭代后D(值早熟收敛于599)*5$而%&%在=>9**和.>(*的配置下加速循环9E次后全局收敛F当这些优化变量的初始变化区间分别为;*)8$(),<7;()8$,),<和;,)8$9),<时$-&%在第4次进化迭代后D(值早熟收敛于4)32$而%&%在=>9**7.>(*的配置下加速循环(2次后即全局收敛!例G文献;E<在解问题HIJ’K($L$K(*+>M(*N>(K,N’1,OKNO(*FN>($,$L$(*+时$用-&%在群体规模为(**7二进制编码长度为(*7进化迭代2*次后得最优值D(为*)*,E$求解精度因受编码长度控制而无法提高F而%&%在=>4**和.>,*的配置下加速循环(,次后D(值为*)*9,7加速循环,(次’即进化迭代4,次+后D(值全局收敛于*)***!例(7例,的结果说明P-&%易出现早熟收敛$要得到高精度的全局最优解必须扩大编码长度和群体规模$从而导致大的计算量$全局收敛速度缓慢F而%&%利用其简单的隐式动态编码技术和控制参数配置技术就可以适应优化变量的个数和变化区间的大小的种种变化$用较小的计算量’进化迭代次数少$群体排序次数也少+就可得到高精度的全局最优解$与-&%相比显示出%&%的Q加速R效果!例S文献;8<给出了沈阳南部浑河沿岸4个排放口污水处理效率的非线性规划问题PHIJT>535)E44?()35,(U(*285)E(?2)3838(U59)3,E?()88(2,U3*24)24?2)3838,U9E2)528?,)33E,9U2E)4,8?()8E9(9U2,**)3(?2)38389U((9)4E(?()88(24U,,9)8,2?24U,9)5,5?4)89444U249()4,E?2)38384U938,’万元+V)WX(P,*)4E2Y’(1?(+,,)(34X,P(E)*9E’(1?(+U(,)338’(1?,+Y,9)2*2X9P(2)55*’(1?(+U(()34,’(1?,+U8)8,,’(1?9+Y,4)*9(X4P(4),,3’(1?(+U(*)822’(1?,+U8)*,5’(1?9+U,()352’(1?4+Y,4)2E5X2P*Y?NY*)3N>(Z4其中$?N为第N个排放口的污水处理效率$T为费用函数$X(ZX2为约束条件!取优化准则函数为HIJD>T,(系统工程理论与实践,**(年4月万方数据!"#$%&’$($)其中’$*($+为罚项)当约束($满足时取值为,)否则取值为&,-.由约束(-构成变量/&0/#的变化区间)用121在3%4,,和5%&,的配置下加速循环&6次后所得最优解为/7&%,8#66#)/79%,8-,:-)/74%,8-,-4)/7#%,8:4;9)可以验证它们满足全部约束条件)相应的目标函数值<7%-,:,8=6万元)好于文献>6?用模糊非线性规划方法求得的结果*-,:48&,万元+.另外)文献>4?给出了121在其它典型优化测试问题和水资源工程问题中应用的许多实例)说明了121对@21的改进是可行而有效的.A结语遗传算法提供了一条处理复杂优化问题的有效途径)但标准遗传算法*@21+在实用中存在早熟收敛B计算量大和解的精度差等重大缺点C为此)本文研制了@21的一种改进方案D加速遗传算法*121+)并对121的收敛性B全局优化性能和适用性进行了分析C研究结果表明)121对@21的改进是有效且可行的)显示出稳健的全局优化B计算量少而解的精度高以及算法控制参数设置技术简明等特点)在各种工程优化问题中具有广泛的应用价值C参考文献E>&?2FGHIJKLMN82JOJPQR1GLFKQPSTUQO@JVKRS)WXPQTQYVPQFOVOHZVRSQOJ[JVKOQOL>Z?8Z1E1HHQ\UFO\]JUGĴ)&=6=E&_648>9?刘勇)康立山)陈毓屏8非数值并行算法*第二册+DD遗传算法>Z?8北京E科学出版社)&==;8>4?金菊良8遗传算法及其在水问题中的应用>M?8南京E河海大学8&==68>#?周双喜)杨彬8影响遗传算法性能的因素及改进措施>‘?8电力系统自动化)&==:)9,*;+E9#_4&8>-?韦柳涛)曾庆川)等8启发式遗传基因算法及其在电力系统机组组合优化中的应用>‘?8中国电机工程学报8&==#)*9+E:;_;&8>:?石琳珂8逐步缩小搜索范围的遗传算法>‘?8地球物理学进展)&==-)&,*#+E:;_;=8>;?aKVORSQOQZ8bUJFcVLJOJPQRVGLFKQPSTRFTIQOJHdQPSVGFRVGUJVKRSTJPSFHcFKPSJVePFTVPQRRVGQ\IKVPQFOFcRFORJXPeVGKVQOcVG\KeOFccTFHJGU>‘?8f̂HKFGFLQRVG@RQJORJ‘FeKOVG)&==:)#&*&+E9&_4=8>6?熊德琪)陈守煜)任洁8水环境污染系统规划的模糊非线性规划模型>‘?8水利学报)&==#)*&9+E99gggggggggggggggggggggggggggggggggggggggggg_9=8英文刊物‘FeKOVGFc@̂UPJTU@RQJORJVOHhFTXGJiQP̂*j系统科学与复杂性学报k+近日在京创刊为了推动系统科学与复杂性的研究与国际学术交流)中国科学院系统科学研究所近日创办了j系统科学与复杂性学报k英文刊C该刊由科学出版社和美国阿伦敦出版公司联合出版在全世界发行C全国人大副委员长成思危教授B全国政协副主席宋健等院士共6位著名学者担任顾问)系统科学研究所所长B国际著名控制论专家郭雷教授任主编)4,位国内外知名学者被聘为编委)其中海外编委&#人C该学报第一期发表了中外科学家的高水平研究论文&,篇)包括中国谢惠民教授B英国lN[[教授B美国]1m2[nBhfNm2o教授B日本p1q1@fr教授和@b@bZb教授等的近期究成果C创刊的目标之一就是为国际上系统科学与复杂性研究提供一个论坛)同时使这个刊物尽快进入国际重要学术刊物的行列C4&第#期标准遗传算法的改进方案DD加速遗传算法万方数据标准遗传算法的改进方案——加速遗传算法作者：金菊良，杨晓华，丁晶，JINJu-liang，YANGXiao-hua，DINGJing作者单位：金菊良,JINJu-liang(合肥工业大学土建学院,)，杨晓华,YANGXiao-hua(河海大学数学物理系,)，丁晶,DINGJing(四川大学水电学院,)刊名：系统工程理论与实践英文刊名：SYSTEMSENGINEERING——THEORY&PRACTICE年，卷(期)：2001,21(4)被引用次数：125次参考文献(8条)1.GoldbergDEGeneticAlgorithmsinSearch,OptimizationandMachineLearning19892.刘勇;康立山;陈毓屏非数值并行算法-遗传算法19973.金菊良遗传算法及其在水问题中的应用[学位论文]19984.周双喜;杨彬影响遗传算法性能的因素及改进措施[期刊论文]-电力系统自动化1996(07)5.韦柳涛;曾庆川启发式遗传基因算法及其在电力系统机组组合优化中的应用1994(02)6.石琳珂逐步缩小搜索范围的遗传算法1995(04)7.FranchiniMUseofageneticalgorithmcombinedwithalocalsearchmethodfortheautomaticcalibrationofconceptualrainfall-runoffmodels[外文期刊]1996(01)8.熊德琪;陈守煜;任洁水环境污染系统规划的模糊非线性规划模型[期刊论文]-水利学报1994(12)本文读者也读过(3条)1.张铃.张钹.ZHANGLing.ZHANGBo遗传算法机理的研究[期刊论文]-软件学报2000,11(7)2.戴晓晖.李敏强.寇纪淞遗传算法理论研究综述[期刊论文]-控制与决策2000,15(3)3.金菊良.杨晓华.丁晶.JINJu-liang.YANGXiao-hua.DINGJing基于实数编码的加速遗传算法[期刊论文]-四川大学学报（工程科学版）2000,32(4)引证文献(127条)1.朱向华.曹莲基于AGA-CAHP的商业银行中小企业信用评价[期刊论文]-科学技术与工程2010(31)2.杜金杰.索志林黑龙江省农村人力资源及教育水平评价——基于投影寻踪分类模型[期刊论文]-黑龙江对外经贸2009(3)3.辛芳芳.梁川.徐波加速遗传算法在大桥水库电站优化调度中的应用研究[期刊论文]-四川水利2009(4)4.陈蕊.朱晓统投影寻踪模型在企业盈利能力评价中应用[期刊论文]-黑龙江八一农垦大学学报2008(5)5.王敏.王卓甫.肖建红.付强.赵小勇.邢贞相投影寻踪分类模型在造纸工业经济效益综合评价中的应用[期刊论文]-中国造纸2007(1)6.王敏.王卓甫.肖建红.付强.赵小勇.邢贞相投影寻踪分类模型在中国工业经济效益综合评价中的应用[期刊论文]-武汉理工大学学报（交通科学与工程版）2007(4)7.龚安.刘园园.崔传智基于中心定位算子的遗传算法[期刊论文]-计算机工程与设计2007(14)8.赵小勇.付强.邢贞相.贺延国投影寻踪模型的改进及其在生态农业建设综合评价中的应用[期刊论文]-农业工程学报2006(5)9.杨晓华.陆桂华.郦建强解非线性极大极小问题的格雷码加速遗传算法[期刊论文]-河海大学学报(自然科学版)2003(1)10.韩庆艳.张广龙.黄甜基于遗传层次分析法的"双师型"教师实践能力评价[期刊论文]-黑龙江科技信息2011(7)11.苏顺华.余敬.柯小玲中国矿业城市可持续力聚类分析[期刊论文]-中国矿业2010(3)12.赵小勇.崔广柏.付强K-L绝对信息散度投影寻踪分类模型及其应用[期刊论文]-人民长江2010(15)13.李文涛.姜海波.王雪琴数字化炮兵作战能力评价[期刊论文]-指挥控制与仿真2010(3)14.崔金魁.支现方一种基于自适应遗传算法的BP网络的应用[期刊论文]-信息技术2007(12)15.李巧鱼.谷红梅.李振全.徐建新.刘增进区域农业可持续发展能力评价研究[期刊论文]-中国农村水利水电2006(10)16.潘昊.吴尚.钟珞一种采用拆分组装构造神经网络的新途径[期刊论文]-计算机工程2005(3)17.张有富.周玉良.金菊良改进的实码加速遗传算法[期刊论文]-合肥工业大学学报（自然科学版）2005(6)18.潘昊.吴尚.钟珞基于神经网络和遗传算法的VBR通信流量预测[期刊论文]-计算机工程与应用2004(6)19.杨红涛.潘昊拆分组装方法与神经网络的结合[期刊论文]-武汉理工大学学报(信息与管理工程版)2003(5)20.黎钧琪.石国桢遗传算法交叉率与变异率关系的研究[期刊论文]-武汉理工大学学报(交通科学与工程版)2003(1)21.魏歆.董小小.唐棣.罗万春水资源短缺风险因子的筛选模型[期刊论文]-数学的实践与认识2011(23)22.王焕坤.刘艺.杨宏伟改进型遗传算法在战时维修器材配置中的应用[期刊论文]-四川兵工学报2011(11)23.钟延营.杨娜.张勇钢混结构地震损伤评价多元联系数模型[期刊论文]-低温建筑技术2010(3)24.洪静.林家骏信息融合系统评价中指标排序权值的求取[期刊论文]-科学技术与工程2006(4)25.吴昌友.孙福田.王福林改进实数遗传算法在减速器设计中的应用[期刊论文]-东北农业大学学报2006(1)26.曾毅基于改进的遗传算法求一元非线性方程的根[期刊论文]-井冈山师范学院学报2004(5)27.杨晓华.陆桂华.杨志峰.郦建强格雷码加速遗传算法及其理论研究[期刊论文]-系统工程理论与实践2003(3)28.罗文豹.李维嘉.汪潇.高岩.吴金波一种三自由度运动平台机构的优化设计[期刊论文]-中国机械工程2011(14)29.杨红涛.李俊松BP网络的拆分组装法理论研究及系统开发[期刊论文]-湖北工业大学学报2007(3)30.王贵和.范利敏.张喜国.鲍义斌改进AHP方法在库存选址问题中的应用[期刊论文]-辽宁工学院学报（自然科学版）2007(5)31.顾正华广义遗传算法及其在水流参数反演中的应用[期刊论文]-系统工程理论与实践2006(2)32.程健.金菊良.周玉良.程吉林基于正交试验和元胞自动机模型的加速并行遗传算法[期刊论文]-系统工程理论方法应用2006(4)33.徐建新.李振全.刘增进.邹向涛.杜芙蓉改进层次分析法在生态经济系统规划中的应用[期刊论文]-人民黄河2005(9)34.李广源基于遗传算法的洞庭湖富营养化指标预测模型[期刊论文]-水资源保护2004(5)35.金菊良.丁晶遗传算法用于水资源工程中的理论和应用研究[期刊论文]-计算机工程与应用2003(35)36.金菊良.魏一鸣.付强.丁晶层次分析法在水环境系统工程中的应用[期刊论文]-水科学进展2002(4)37.金菊良.魏一鸣.丁晶.付强年径流预测的Shepard插值模型[期刊论文]-长江科学院院报2002(1)38.董长江.李嘉林.刘建勋遗传算法在等效系统拟配中的应用[期刊论文]-航空计算技术2001(3)39.张维和.赵娟.迟恒煊基于遗传算法的人力资源组合测评模型[期刊论文]-天津工业大学学报2010(6)40.肖建红.于爱芬.于庆东.陈东景我国各地区非国有工业企业经济效益综合评价[期刊论文]-青岛大学学报（自然科学版）2010(4)41.费如君.董增川.王德智.李涛涛.秦旭宝改进加速遗传算法在梯级水电站优化调度中的应用[期刊论文]-水力发电2008(8)42.杨红涛.李俊松基于BP网的ATM带宽动态分配设计[期刊论文]-计算机技术与发展2007(10)43.赵小勇.付强投影寻踪模型的改进及其在城市水资源承载能力预测中的应用[期刊论文]-数学的实践与认识2007(7)44.金菊良.洪天求.王文圣基于熵和FAHP的水资源可持续利用模糊综合评价模型[期刊论文]-水力发电学报2007(4)45.程健.金菊良.张礼兵加速并行遗传算法及其在暴雨强度公式参数优化中的应用[期刊论文]-安全与环境学报2006(3)46.李军红.周天瑞.郑荣模拟退火-改进遗传算法及其应用[期刊论文]-南昌大学学报（理科版）2005(4)47.张学军.黄山项目决策数学模型研究及算法实现[期刊论文]-兰州交通大学学报2005(6)48.靳晓东基于多层次模糊综合评价法的专利资产证券化中的专利选择[期刊论文]-科技进步与对策2012(1)49.周敬.聂继超基于投影寻踪模型的桥梁耐久性评价[期刊论文]-交通标准化2011(9)50.张圆圆.景晓军基于快速遗传算法的指纹匹配[期刊论文]-计算机工程2011(24)51.胡晓雨.董增川.李琪.缪萍萍.王聪聪.徐英基于投影寻踪的模糊综合评价模型研究及应用[期刊论文]-安徽农业科学2011(11)52.王圃.张晋.华佩改进层次分析-多级模糊评判的给水处理工艺优选模型[期刊论文]-土木建筑与环境工程2010(2)53.余艳玲灌区水资源优化配置模型的建立及应用[期刊论文]-云南农业大学学报2010(5)54.吴大国.汪明武.张薇薇基于加速遗传算法的FAHP在深基坑支护方案优选中的应用[期刊论文]-合肥工业大学学报(自然科学版)2008(3)55.洪静.林家骏信息融合系统评价中指标权值的求取和自适应调整[期刊论文]-传感器世界2006(3)56.杨晓华.杨志峰.郦建强水环境模型参数识别的一种新方法[期刊论文]-水科学进展2003(5)57.金菊良.丁晶.魏一鸣瞬时单位线的优化估计[期刊论文]-水力发电学报2003(1)58.常天海遗传算法在窄带滤光片膜系设计中的应用[期刊论文]-真空与低温2002(4)59.金菊良.魏一鸣.丁晶预测日径流过程的最近邻仿真模型[期刊论文]-系统仿真学报2002(11)60.祝志恒.阳军生.董辉双洞隧道施工引起地表移动的多参数反分析研究[期刊论文]-岩土力学2010(1)61.陈涛基于AGA-SVM的非线性组合预测模型[期刊论文]-数学的实践与认识2010(4)62.张炜.汪明武.杨秋菊基于AGA-模糊优先关系矩阵评价方法的深基坑支护方案优选[期刊论文]-安徽建筑工业学院学报（自然科学版）2009(2)63.宋丽艳.张志旭松花江水质评价数学模型[期刊论文]-佳木斯大学学报（自然科学版）2007(1)64.JINJuliang.LILei.WANGWensheng.ZHANGMingAGeneticFuzzyAnalyticalHierarchyProcessBasedProjectionPursuitMethodforSelectingSchemesofWaterTransportationProjects[期刊论文]-中国海洋大学学报（英文版）2006(4)65.文俊.吴开亚.金菊良.程吉林基于信息熵的农村饮水安全评价组合权重模型[期刊论文]-灌溉排水学报2006(4)66.金菊良.杨晓华.魏一鸣基于模糊优先关系矩阵的系统评价方法[期刊论文]-系统工程理论方法应用2005(4)67.金菊良.魏一鸣.丁晶用基于加速遗传算法的组合预测模型预测海洋冰情[期刊论文]-系统工程理论方法应用2003(4)68.金菊良.魏一鸣.丁晶工程项目内部收益率的优化估计[期刊论文]-系统工程学报2003(1)69.金菊良.丁晶.魏一鸣.付强水质综合评价的插值模型[期刊论文]-水利学报2002(12)70.陈涛基于加速遗传算法的选择性支持向量机集成[期刊论文]-计算机应用研究2011(1)71.邹乐乐.金菊良.周玉良基于遗传模糊层次分析法的水库诱发地震综合风险评价指标体系筛选模型[期刊论文]-地震地质2010(4)72.范秋映.金菊良.周玉良.程亮基于最大熵原理的城市防洪标准方案优选智能评价模型[期刊论文]-安全与环境学报2009(2)73.王德智.董增川.童芳基于RAGA的供水库群水资源配置模型研究[期刊论文]-水科学进展2007(4)74.贺延国.付强.邢贞相.赵小勇.冯艳东北半干旱地区节水灌溉技术组装模式优选研究[期刊论文]-灌溉排水学报2006(2)75.陈涛基于加速遗传算法的选择性支持向量机集成[期刊论文]-计算机应用研究2011(1)76.朱守彪遗传算法的改进及其在应力场反演中的应用[期刊论文]-西北地震学报2005(2)77.金菊良.张礼兵.魏一鸣基于遗传算法的理想区间法在洪水灾情评价中的应用[期刊论文]-地理科学2004(5)78.邹乐乐.金菊良.周玉良基于遗传模糊层次分析法的水库诱发地震综合风险评价指标体系筛选模型[期刊论文]-地震地质2010(4)79.姚国华.王社良.陈卓.樊禹江空间网壳结构主动抗震控制试验研究[期刊论文]-水利与建筑工程学报2011(4)80.梁旭.蔡丽.黄明改进DNA遗传算法求解车间调度问题[期刊论文]-大连交通大学学报2010(4)81.李聪基于小生境正交遗传算法的地区电网实时无功优化[期刊论文]-广东输电与变电技术2009(2)82.汪忠柱.吴先良.沙威基于加速遗传算法的多层微波吸收材料的优化设计[期刊论文]-磁性材料及器件2009(1)83.单汨源.张丽.吴娟基于RAGA-AHP法的项目优先级评定研究[期刊论文]-科技管理研究2008(3)84.张学喜.王国体.张明基于加速遗传算法的投影寻踪评价模型在边坡稳定性评价中的应用[期刊论文]-合肥工业大学学报(自然科学版)2008(3)85.孙晓文.谢德馨表面响应算法及其在MRI主磁体优化设计中的应用[期刊论文]-沈阳工业大学学报2007(6)86.金菊良.程健.张有富基于加速并行遗传算法的模糊综合评价模型[期刊论文]-水电能源科学2005(6)87.张玲玲.王慧敏.王宗志.侯艳红南水北调东线水资源供应链契约中的协调因子确定[期刊论文]-中国管理科学2004(z1)88.黄鹍.陈森发.孙燕.郜振华一种小生境正交遗传算法研究[期刊论文]-东南大学学报(自然科学版)2004(1)89.黄鹍.陈森发.周振国基于正交试验法的小生境混合遗传算法[期刊论文]-控制理论与应用2004(6)90.金菊良.王文圣.程吉林.黄诗峰区域水资源合理配置的模糊模式识别-模糊层次分析法的熵耦合模型[期刊论文]-四川大学学报（工程科学版）2007(2)91.金菊良.魏一鸣.潘金锋修正AHP中判断矩阵一致性的加速遗传算法[期刊论文]-系统工程理论与实践2004(1)92.金菊良.魏一鸣.丁晶基于改进层次分析法的模糊综合评价模型[期刊论文]-水利学报2004(3)93.金菊良.张礼兵.魏一鸣水资源可持续利用评价的改进层次分析法[期刊论文]-水科学进展2004(2)94.金菊良.丁晶.魏一鸣.付强区域水资源可持续利用系统评价的插值模型[期刊论文]-自然资源学报2002(5)95.李如忠.石勇沉积物污染特征分析的未确知聚类-对应分析模型[期刊论文]-环境科学研究2009(6)96.陈鸿起.汪妮.申毅荣.解建仓基于欧式贴近度的模糊物元模型在水安全评价中的应用[期刊论文]-西安理工大学学报2007(1)97.王宗志.王银堂.胡四一水库控制流域汛期分期的有效聚类分析[期刊论文]-水科学进展2007(4)98.赵伏军.谢世勇.杨磊.陈世强基于层次分析法-模糊综合评价(AHP-FCE)模型优化矿井通风系统的研究[期刊论文]-中国安全科学学报2006(4)99.王宗志.金菊良.张玲玲东湖污染物来源的智能识别方法[期刊论文]-水科学进展2006(5)100.刘建国.刘建华.郭洪光改进的S-P模型的参数识别与对比研究[期刊论文]-长春师范学院学报（自然科学版）2006(6)101.杨晓华.杨志峰.郦建强格雷码混合加速遗传算法及其性能分析[期刊论文]-北京师范大学学报（自然科学版）2004(6)102.金菊良.魏一鸣.丁晶基于组合权重的系统评价模型[期刊论文]-数学的实践与认识2003(11)103.金菊良.张礼兵.张少文.丁晶层次分析法在水资源工程环境影响评价中的应用[期刊论文]-系统工程理论方法应用2004(2)104.孙强.程明.周鹗.胡敏强新型双凸极永磁电机调速系统的变参数PI控制[期刊论文]-中国电机工程学报2003(6)105.张华.尹奇基于改进层次分析法的西部经济开发区土地集约利用评价——以重庆经济技术开发区为例[期刊论文]-国土资源科技管理2009(6)106.黄浩.宋瀚涛.陆玉昌基于小生境遗传算法的贝叶斯网络结构学习算法研究[期刊论文]-计算机应用研究2007(4)107.栗秋华.周林.刘华勇.张凤用加速遗传算法和SP模型评估电能质量[期刊论文]-高电压技术2007(7)108.薛仓生.金菊良.魏一鸣水利工程方案优选的投影寻踪方法[期刊论文]-长江科学院院报2005(4)109.范斐.孙才志辽宁省海洋经济与陆域经济协同发展研究[期刊论文]-地域研究与开发2011(2)110.金菊良.魏一鸣.周玉良复杂系统综合