《表3 改进后遗传算法的优化结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传算法的混合威布尔分布参数最小二乘估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在本文提出的方法中，对传统遗传算法进行了改进，在优化过程中引入了惩罚因子，从而增强了种群的多样性，避免算法陷入局部最优，易于找到全局最优解。比较传统的遗传算法和改进的遗传算法，不难发现：在优化过程中，改进的遗传算法相比传统的遗传算法出现过早收敛（“早熟”现象）的几率明显有所改善，如图3所示，在算法迭代到100～200代时，传统的遗传算法对应的曲线开始保持水平，直到算法结束，而改进的遗传算法的这一过程明显靠后；在优化结果上，如表2和表3所示，改进的遗传算法相比传统的遗传算法有更高的精度，表明了对传统遗传算法的改进是有效的，改善了算法的性能。