Memetic算法及其在機(jī)翼優(yōu)化設(shè)計中的應(yīng)用研究.pdf

1、傳統(tǒng)優(yōu)化算法能夠充分利用問題本身所提供的信息與鄰域知識，在搜索空間中從一個初始點按照某種確定的原則去尋找下一個迭代點，搜索過程具有針對性，而且收斂速度快、局部尋優(yōu)能力強(qiáng)。
　　遺傳算法是模擬生物在自然環(huán)境中的進(jìn)化過程而形成的一種全局優(yōu)化概率搜索算法，其搜索過程是從一群初始點開始搜索，具有很強(qiáng)的全局尋優(yōu)能力。但是遺傳算法隨機(jī)性較強(qiáng)，使其存在易產(chǎn)生早熟現(xiàn)象、陷入局部極值點、局部尋優(yōu)能力差、進(jìn)化后期收斂慢等缺點。
　　針對遺傳算法

2、在處理復(fù)雜多峰函數(shù)優(yōu)化問題時易于早熟和局部搜索能力差等問題，本文將幾種傳統(tǒng)搜索算法與遺傳算法按不同策略結(jié)合，組成多種傳統(tǒng)Memetic算法，通過數(shù)值實驗，驗證了算法的高效性。
　　不同的局部搜索算法對同一問題的優(yōu)化效率差別很大，導(dǎo)致傳統(tǒng)Memetic算法的通用性不強(qiáng)。針對這種情況，本文提出了一種基于分散度的自適應(yīng)Memetic算法（Diversity-based Adaptive Memetic Algorithm，DAMA），該