论文部分内容阅读
遗传算法是模拟自然界生物进化机制的概率性搜索算法,可以处理传统搜索方法难以解决的非线性问题。但是经典遗传算法存在局部收敛、收敛速度慢等缺点,这使得经典遗传算法有时很难找到全局最优解。本文针对经典遗传算法中所存在的这些缺点,采用阶段式的适应度函数、基于竞争机制的交叉方式和仿粒子群变异操作,使得遗传算法的收敛速率、全局收敛概率都得到了较大提高。最后将改进的遗传算法应用于电厂机组负荷分配问题,进一步证实了本文改进遗传算法的实用性和有效性。