[发明专利]一种基于自适应遗传算法的最优拉丁超立方试验设计方法

摘要

一种基于自适应遗传算法的最优拉丁超立方试验设计方法，本发明涉及拉丁超立方试验设计方法。本发明为了解决传统的优化算法寻优过程中产生的过早收敛、陷入局部最优解、优化成本高等缺点。本发明包括一由n个LHD(N，P)个体所构成的初始种群Npop表示为k×N的矩阵；二计算种群Npop中n个体的适应度值，选取适应度值最大的个体作为当前最优LHD(N，P)；三将n个适应度值从大到小排序，选择前n/2个个体作为父代，利用选择的n/2个父代生成n个子代并构成新的种群；四将新的种群进行自适应变异，得到变异后的新的种群；五迭代执行步骤二至步骤四，并判断是否满足迭代终止条件。本发明用于计算机仿真实验设计领域。

主权项

一种基于自适应遗传算法的最优拉丁超立方试验设计方法，其特征在于：所述拉丁超立方试验设计方法包括以下步骤：步骤一：随机生成n个拉丁超立方试验设计矩阵LHD(N，P)，其中N为实验次数，P为试验因子数，每一个LHD(N，P)为N×P阶矩阵，记为矩阵L；由n个LHD(N，P)个体所构成的初始种群Npop表示为k×N的矩阵，其中k＝n×P；步骤二：确定优化过程种群个体的适应度函数，计算种群Npop中n个体的适应度值，并选取适应度值最大的个体作为当前最优LHD(N，P)；步骤三：将步骤二中计算出的n个适应度值从大到小排序，选择前n/2个个体作为父代，剩余的被淘汰；利用选择的n/2个父代生成n个子代并构成新的种群；步骤四：将步骤三得到的新的种群进行自适应变异，得到变异后的新的种群；步骤五：迭代执行步骤二至步骤四，若变异后的新的种群的最优LHD(N，P)’优于当前最优LHD(N，P)，则替代当前最优LHD(N，P)，并判断是否满足迭代终止条件，否则，最优LHD(N，P)不变；直至满足迭代终止条件，则输出该优化结果作为最优LHDbest(N，P)。