Indexed by：
Abstract：
遗传算法在问题优化中的应用已有了许多研究,但对于大型多目标规划问题而言,由于其问题特性和计算量大而限制了遗传算法的应用.为探索新的问题求解方法,提出了一种基于遗传算法和梯度算法的问题优化混合算法.用梯度法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度法下一步迭代的初始点.通过保持迭代过程的最优解,加快了搜索速度,并保证收敛于全局最优解.算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点,且具有良好的工程适应性.
Keyword：
Reprint Author's Address：
Email：
Source ：
微电子学与计算机
ISSN： 1000-7180
Year： 2004
Issue： 7
Volume： 21
Page： 132-134,142
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 7
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
