2023.07.16

基于改进的Dtmds自由参数优化混合遗传-模拟退火算法 总结：1.遗传算法（GA）的局部寻优能力较差，容易陷入局部最优解，并且容易出现早熟收敛问题。2.模拟退火算法（SA）全局寻优能力差，需要较长的寻优过程。 3.前人提出的混合遗传模拟退火算法（HGSA）通过将SA作为GA的局部优化器部分，将GA的全局寻优能力和SA的局部寻优能力相结合。然而，在HGSA中，初始种群（参数的初始值）是随机选择的。初始种群的多样性是影响全局收敛性和优化速度的重要因素。当初始种群不包含全局最优解的信息时，早熟收敛是不可避免的。4.为了提高HGSA的全局收敛性和计算效率。本文提出了一种改进的HGSA（IHGSA）。在IHGSA中，GA将解空间划分为l个部分，在每个划分的解空间中随机生成满足约束条件的s个个体；因此这些个体是GA的初始群体。然后，GA对初始种群进行评估，并利用遗传算子产生具有约束条件的新种群。最后，GA基于目标函数对这一新种群进行评估，完成一代进化。GA将最优个体送给SA进一步改良。进一步改进后，SA将其送回GA，重复下一代。这个过程一直持续到算法的终止条件被满足。