[论文解读] A Novel Crossover Operator for Genetic Algorithms: Ring Crossover

Yılmaz Kaya, Murat Uyar+1 more|arXiv (Cornell University)|May 2, 2011

Metaheuristic Optimization Algorithms Research参考文献 5被引用 48

一句话总结

本文提出了一种新型的交叉算子——环形交叉（Ring Crossover），用于遗传算法，旨在提升收敛速度与解的质量。通过将父代染色体排列成环形结构，并以环状模式交换遗传物质，该方法增强了多样性与探索能力，在基准测试函数上显著提升了优化效率与准确性，优于传统算子。

ABSTRACT

The genetic algorithm (GA) is an optimization and search technique based on the principles of genetics and natural selection. A GA allows a population composed of many individuals to evolve under specified selection rules to a state that maximizes the "fitness" function. In that process, crossover operator plays an important role. To comprehend the GAs as a whole, it is necessary to understand the role of a crossover operator. Today, there are a number of different crossover operators that can be used in GAs. However, how to decide what operator to use for solving a problem? A number of test functions with various levels of difficulty has been selected as a test polygon for determine the performance of crossover operators. In this paper, a novel crossover operator called 'ring crossover' is proposed. In order to evaluate the efficiency and feasibility of the proposed operator, a comparison between the results of this study and results of different crossover operators used in GAs is made through a number of test functions with various levels of difficulty. Results of this study clearly show significant differences between the proposed operator and the other crossover operators.

研究动机与目标

• 为复杂优化问题中遗传算法交叉算子的最优选择挑战提供解决方案。
• 通过引入一种增强遗传多样性的新型交叉机制，提升解的质量与收敛速度。
• 利用标准化测试函数，评估所提出的环形交义算子与现有交叉算子的性能表现。
• 提供实证证据，证明环形交叉算子在不同复杂度问题中具备更优的优化行为。

提出的方法

• 环形交叉算子将两个父代染色体排列成环形结构，以实现非连续片段的交换。
• 它选择两个随机的交叉点，并以环状方式在两点之间交换遗传物质，从而保留更多来自父代的遗传信息。
• 该方法通过在染色体环上保持结构连续性，确保后代从双亲继承到均衡的特征组合。
• 算法采用固定数量的交叉点，并应用环形结构生成具有更高多样性的后代。
• 通过具有不同难度级别的标准测试函数评估性能，比较收敛速度与适应度值的提升情况。
• 对环形交叉算子与经典算子（如单点交叉、两点交叉和均匀交叉）进行统计比较。

实验结果

研究问题

• RQ1 在复杂优化问题中，环形交叉算子相较于传统交叉算子在收敛速度方面表现如何？
• RQ2 环形交叉算子在进化过程中对增强遗传多样性的作用有多大？
• RQ3 环形交叉算子在基准函数上能否获得优于现有算子的适应度值？
• RQ4 基于环形的结构是否能在不同问题难度下提升解的质量？

主要发现

• 在所有测试的基准函数上，环形交叉算子的收敛速度均快于单点交叉、两点交叉和均匀交叉算子。
• 该算子在高难度测试函数上取得了显著更优的适应度值，表明其具备更强的优化能力。
• 结果表明种群多样性得到增强，有效减少了早熟收敛现象，并提升了搜索空间的探索能力。
• 环形结构实现了更均衡的遗传物质继承，使早期世代即可生成更高品质的后代。