基于改進(jìn)的Dtmds自由參數(shù)優(yōu)化混合遺傳-模擬退火算法 總結(jié)：1.遺傳算法（GA）的局部尋優(yōu)能力較差，容易陷入局部最優(yōu)解，并且容易出現(xiàn)早熟收斂問(wèn)題。2.模擬退火算法（SA）全局尋優(yōu)能力差，需要較長(zhǎng)的尋優(yōu)過(guò)程。 3.前人提出的混合遺傳模擬退火算法（HGSA）通過(guò)將SA作為GA的局部?jī)?yōu)化器部分，將GA的全局尋優(yōu)能力和SA的局部尋優(yōu)能力相結(jié)合。然而，在HGSA中，初始種群（參數(shù)的初始值）是隨機(jī)選擇的。初始種群的多樣性是影響全局收斂性和優(yōu)化速度的重要因素。當(dāng)初始種群不包含全局最優(yōu)解的信息時(shí)，早熟收斂是不可避免的。4.為了提高HGSA的全局收斂性和計(jì)算效率。本文提出了一種改進(jìn)的HGSA（IHGSA）。在IHGSA中，GA將解空間劃分為l個(gè)部分，在每個(gè)劃分的解空間中隨機(jī)生成滿足約束條件的s個(gè)個(gè)體；因此這些個(gè)體是GA的初始群體。然后，GA對(duì)初始種群進(jìn)行評(píng)估，并利用遺傳算子產(chǎn)生具有約束條件的新種群。最后，GA基于目標(biāo)函數(shù)對(duì)這一新種群進(jìn)行評(píng)估，完成一代進(jìn)化。GA將最優(yōu)個(gè)體送給SA進(jìn)一步改良。進(jìn)一步改進(jìn)后，SA將其送回GA，重復(fù)下一代。這個(gè)過(guò)程一直持續(xù)到算法的終止條件被滿足。