遗传算法群体规模和遗传算子关系的研究.pdfVIP

遗传算法群体规模与遗传算子关系的研究 龙佳丽1，黎明1，盛伟翔2 1．南昌航空大学无损检测技术教育部重点实验室，江西南昌，330036 2．江西司法警官职业学院司法信息系，江西南昌，330013 【Dn西ialill9@hotmail．∞m 摘要：遗传算法的随机搜索性已广泛应用于各类问 率提高、收敛代数及时间明显降低：文献[3]是根据 题，但是若待解决的问题非常复杂，其搜索集非常 之大，这使得算法的处理过程有一定的难度。为了 将小群体规模的遗传算法应用于复杂优化问题，本 得到了较好的效果。文献[4]将遗传算法的群体规 文在函数优化过程中，将选择、交叉、变异算子针 模应用于电路设计中，将群体规模与进程的优化加 对不同函数特性做了各自的改进，结果证实了改进 入到组合逻辑电路中，有效的得到了更适合各逻辑 算法的有效性和优越性。 电路的进程时间与群体规模关系的规律。文献 关键字：遗传算法小群体规模遗传算子函数优 [5][6]都是结合二进制编码、自然数编码方法的改 化 进来研究群体规模在选取时候的最优值。文献[7] 将遗传算法应用到医学图像边缘检测中，提取到了 1引言 效果更明显的图片格式。但是从中发现一个问题： 当一幅图片尺寸为1024×1024(彩色图片就为3× 遗传算法是一种基于遗传学的搜索优化算法 1024×1024)，一个个体就已经如此大，再考虑到 …，是模拟自然进化的搜索过程而发展起来的一类 计算资源的使用问题，此时群体规模的选取必须很． 随机搜索技术i其主要特点是采用群体搜索策略和 小。在很多应用过程中，基于诸多条件的限制，群 群体中个体之间的信息交换，且搜索过程不依赖于 体规模不可以取的很大，这就考虑结合遗传算子的 梯度信息。算法鲁棒性强，处理问题有随机性、全 改进来弥补这一缺陷：文献[8]提出了一种将模拟 局性及隐并行性，已广泛应用于计算机科学、优化 退火和遗传选择算子相结合的改进选择算子，但该 调度、机器学习、信号处理、自适应控制和人工生 算子在应用中比较复杂；文献[9]定义了遗传交叉 命等领域，是21世纪有关智能算法的先进技术之 运算的可达性及其达概率的概念，讨论了个体对交。 一。目前普遍认为，标准遗传算法并不能保证全局 叉运算的可达性与群体交叉运算的可达性的关系。，’ 最优的收敛，而且其在实际应用中经常发生早熟收 但是将遗传算子的改进与群体规模结合方面的研 究较少，还需要做更深入的研究和发展。为此，本 敛(PrematureConvergence)的现象，即算法还没 真正收敛到全局最优解就停滞了。 文将遗传算子的改进与群体规模联系考虑，并在几 ． 为了解决早熟问题，并将遗传算法更好的应用 个经典测试函数中做了验证，得到了很好的结果。 到实际中，许多学者进行了多方面的研究。遗传算 法的构造基础是与个体分不开的，而群体规模即是 2问题描述 指群体中个体的数目。在遗传算法中，群体规模带 来的影响不可忽视：群体规模较大，遗传算子所处 在构造遗传算法框架之前，需要对算法中一些 理的模式就越多，群体中个体的多样性就越好，算 参数做选择，它们包括种群的大小，染色体长度， 法陷入局部最优解的危险就越小，但计算量也随之 遗传操作中的选择、交叉、变异，最大进化代数等， 增加，算法效率显著降低。若群体