分布估算算法(Estimation of distribution algorithms,简称EDA算法)是近几年产生的一种新的启发式进化算法,它的特点是:以概率论为理论基础,以群体为操作对象,用概率模型来描述搜索空间上的可行解的分布,以这个分布采样为基础搜索空间...
详细信息
分布估算算法(Estimation of distribution algorithms,简称EDA算法)是近几年产生的一种新的启发式进化算法,它的特点是:以概率论为理论基础,以群体为操作对象,用概率模型来描述搜索空间上的可行解的分布,以这个分布采样为基础搜索空间,产生下一代种群。本文旨在利用EDA算法所特有的概率模型与搜索过程,把EDA算法分别与最大最小蚂蚁系统和遗传算法相混合,以获得较好的优化性能。为了验证融合后的算法的有效性,本文把混合后的算法分别用于求解QAP问题和p-median问题。
本论文从混合算法的角度研究了一阶分布估算算法,并把混合后的算法用于QAP和p-median问题。结果表明,混合后的算法有效地提高了一阶分布估算算法在求解非性问题时的效率。
暂无评论