1、遺傳算法作為一種基于自然選擇和遺傳理論的通用優(yōu)化算法，已成功應(yīng)用于組合優(yōu)化、機器學習、工程優(yōu)化、圖象處理、人工生命、自動程序設(shè)計等諸多領(lǐng)域。隨著研究的不斷深入，遺傳算法在處理多模態(tài)優(yōu)化問題時的不足逐漸暴露。簡單遺傳算法不能很好的保持種群多樣性，容易陷入多峰函數(shù)的局部極值點，導致早熟收斂；同時，由于遺傳漂移簡單遺傳算法一般只收斂到多峰函數(shù)的一個峰，因此不能滿足某些實際問題要找到多個峰的要求。小生境作為處理多峰優(yōu)化問題的一種有效手段，得到了

2、廣泛關(guān)注，并已經(jīng)成為遺傳算法領(lǐng)域的一個研究熱點。 目前，小生境的設(shè)計和理論研究還不成熟，缺乏統(tǒng)一的小生境進化模型，小生境形成方法與種群多樣性保持、進化搜索性能之間的關(guān)系在理論分析與實驗研究方面尚不成熟。針對以上問題，本文對基于聚類的小生境遺傳算法進行了研究，主要工作與研究成果如下： (1)提出了一種多源擴散的蟻群小生境遺傳算法，該算法通過選取多個信息素擴散源和保留源中心點來保持種群多樣性，并通過信息素擴散提高遺傳算法的搜

3、索效率，該算法能有效的避免遺傳算法的早熟收斂，使算法最終收斂到全局最優(yōu)解。 (2)提出了一類改進的基于聚類的小生境遺傳算法，把聚類思想用于小生境的實現(xiàn)，通過聚類和代表個體保留來提高種群的多樣性和多峰搜索性能，從而達到多峰收斂的目標，并通過Markov鏈模型證明了該類算法能夠收斂到多峰函數(shù)的多個最優(yōu)峰。 (3)設(shè)計了一種基于山峰聚類的小生境遺傳算法，算法采用改進的山峰聚類提高種群多樣性，并用多峰函數(shù)進行仿真實驗，實驗數(shù)據(jù)表