針對(duì)傳統(tǒng)回溯算法在求解基于知識(shí)模型的有效載荷系統(tǒng)功能序列規(guī)劃問(wèn)題中搜索效率低的問(wèn)題,提出一種基于"擇劣變異"(Worst Individual Mutation,WIM)策略的協(xié)同遺傳算法(Co-evolutionary Genetic Algorithm,CGA)的改進(jìn)算法WIM-CGA。該算法在遺傳過(guò)程中采用雙路線進(jìn)化方案,即"擇優(yōu)實(shí)施標(biāo)準(zhǔn)遺傳過(guò)程,擇劣實(shí)施變異操作",達(dá)到提高求解精確度及搜索效率的目的。仿真結(jié)果表明,同等測(cè)試條件下,當(dāng)功能規(guī)模為50,約束密度為1.0時(shí),WIM-CGA算法在限定時(shí)間內(nèi)最優(yōu)解的平均精確度比優(yōu)化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且當(dāng)所得解的精確度大于90%時(shí),WIM-CGA算法比CGA算法的迭代次數(shù)減少了65.79%,耗時(shí)降低了48.97%,顯著提高了功能序列規(guī)劃的效率。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 功能知識(shí)模型描述
2 GAC-BS與CGA算法的搜索性能
3 WIM-CGA算法改進(jìn)策略
4 仿真與分析
    1)求解成功率比較。
    2)約束滿足度比較。
5 結(jié)論



本文編號(hào)：3745386