[1]刘杰文　伍许芹　李玲香.基于遗传算法的优化函数Python实现[J].大众科技,2023,25(12):29-32.
　Python Implementation of Optimization Function Based on Genetic Algorithm[J].Popular Science & Technology,2023,25(12):29-32.
点击复制

基于遗传算法的优化函数Python实现()
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
25
期数:
2023年12
页码:
29-32
栏目:
信息技术与通信
出版日期:
2023-12-20

文章信息/Info

Title:
Python Implementation of Optimization Function Based on Genetic Algorithm
作者:
刘杰文　伍许芹　李玲香
（湖南科技学院信息工程学院，湖南 永州 425199）
关键词:
自适应遗传算法; 优化函数; 适应度; Python
Keywords:
adaptive genetic algorithm;  optimization function;  fitness;  Python
文献标志码:
A
摘要:
传统的遗传算法解决了搜索算法中计算量大的问题，但也存在不能自动优化函数和全局收敛差等问题。自适应遗传算法是一种改进的遗传算法，它在传统遗传算法的基础上引入了一些自适应性机制，以提高算法的性能和适用性。文章以求解心电图和航空轨迹函数最优解为例，使用Python编程证实自适应算法在实际应用中具有更好的性能和适用性。
Abstract:
Traditional genetic algorithms have solved the problem of high computational complexity in search algorithms, but there are also problems such as inability to automatically optimize functions and poor global convergence. Adaptive genetic algorithm is an improved genetic algorithm that introduces some adaptive mechanisms based on the traditional genetic algorithm to improve the algorithm’s performance and applicability. The article takes solving the optimal solution of electrocardiogram and aviation trajectory function as examples, and uses Python programming to demonstrate that the adaptive algorithm has better performance and applicability in practical applications.

参考文献/References:

[1]　虞蕾，赵红，赵宗涛. 一种基于遗传算法的航迹优化方法[J]. 西北大学学报(自然科学版)，2006，36(2): 205-208，213.[2] 李岩，袁弘宇，于佳乔，等. 遗传算法在优化问题中的应用综述[J]. 山东工业技术，2019(12): 242-243，180.[3] 王静莲，刘弘，李少辉. 基于决策树的遗传算法在数据挖掘领域的应用[J]. 计算机工程与应用，2005，41(28): 153-155.[4] 张奇飞，林剑，王兆锐，等. 基于改进遗传算法的物流路径优化方法[J]. 物流技术，2018，37(1): 78-81.[5] 赵宏立, 庞小红, 吴智铭. 基因块编码的并行遗传算法及其在 TSP 中的应用[J]. 上海交通大学学报，2004(S1): 213-217.[6] 李辉，韩红，韩崇昭，等. 基于遗传算法的模糊逻辑控制器优化设计[J]. 西安交通大学学报，2002，36(4): 385-389.

备注/Memo

备注/Memo:
【收稿日期】2023-04-06【基金项目】湖南科技学院科学研究课题湘科院校发（〔2022〕108号34）；湖南科技学院教学改革重点课题（XKYJ2022010）。【作者简介】刘杰文（2001－），男，湖南科技学院信息工程学院学生，研究方向为通信工程。【通信作者】李玲香（1976－），女，湖南科技学院副教授，研究方向为信号与信息处理，深度学习。
更新日期/Last Update: 2024-03-04