论文部分内容阅读
本文利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放混沌初始群体,用优秀个体群来逐步缩小搜索空间,提出了求解马斯京根模型参数优选问题的一种新方法——混沌高效遗传算法(CHEGA)。应用该方法对5个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法。并将CHEGA用于求解实际马斯京根水文模型参数优选问题。与实编码加速遗传算法、传统非线性规划方法等相比,CHEGA可以遍历到整个区域的内部和边界,较好的保