利用经验概率密度曲线加快精英多父体杂交算法中系数向量的生成

精英多父体杂交算法(elite multi-parent crossover algorithm,EMCA)被广泛应用于众多优化领域,如路由优化、选址优化和路径优化等.但是,该算法中用于多父体重组的系数向量的生成方法,目前国内外还没有深入的研究.为了提高EMCA算法的收敛效率,首先分析了EMCA算法中合格系数向量的生成方法与效率,发现当参与杂交的父代染色体个数超过13时,系数向量的生成效率急剧下降为0.但是在EMCA算法的实际应用中,为了让后代继承更多的优秀父代基因,参与杂交的父代染色体个数往往大于13.为了解决该问题,提出了依经验概率密度曲线生成系数向量的方法(empirical probability density curve,EPDC),并对EPDC与参与杂交的父代染色体个数进行建模和模型验证.最后用标准数据集上的6个测试函数对EPDC的有效性进行实验验证,结果表明:EPDC可将EMCA算法的平均收敛效率提高3～4倍.