《表3 改进后遗传算法的优化结果》
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。
图表编号 | XD00109609500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 董力、陆中、周伽 |
绘制单位 | 南京航空航天大学民航学院、南京航空航天大学民航学院、东方航空江苏有限公司飞机维修部 |
更多格式 | 高清、无水印(增值服务) |