改进遗传算法|基于具有方向突变和交叉的改进遗传算法 (IRGA) （Matlab代码实现）

1 概述

遗传算法（GA）用于解决各种优化问题。变异算子还负责在 GA 中维持所需的种群多样性水平。在这里，针对实数编码遗传算法（RGA）提出了方向变异算子以及方向交叉（DX）算子以提高其性能。这些进化算子使用方向信息来指导变量空间中最有希望的区域中的搜索过程。在六个不同复杂度的基准优化问题上测试了具有所提出的变异算子和方向交叉 (DX) 的 RGA 的性能，并将结果与具有其他五种变异方案的 RGA 的结果进行了比较。发现所提出的 IRGA 在解决方案的准确性、收敛速度和计算时间方面优于其他 RGA，这是通过统计分析牢固确立的。此外，提出的 IRGA 的性能与一些最近提出的优化算法的性能进行了比较。与上述技术相比，所提出的 IRGA 被认为产生了更好的结果。它还被应用于解决五个有约束的工程优化问题，再次证明了它的优越性。所提出的使用方向信息的变异方案导致有效的搜索，因此获得了优越的性能。

2 数学模型

详细数学模型及解释见第4部分。

3 运行结果

4 Matlab代码及文章详细阅读

本文仅展现部分代码，全部代码见：

5 参考文献

A. K. Das and D. K. Pratihar, "Solving engineering optimization problems using an improved real-coded genetic algorithm (IRGA) with directional mutation and crossover," Soft Computing, vol. 25, pp. 5455-5481, 2021.

6 写在最后

部分理论引用网络文献，若有侵权请联系博主删除。