用于函数优化遗传算法研究.pdfVIP

1998中国控制与决蕞学术年会论文集 用于函数优化的遗传算法研究 程杰 张纪会徐G和 沈阳大学师范学院．110015) (东北大学) 摘要遗传算法是一种有效的横拟进化算法．针对不同问题，辅码方式多种多样。本文麓函羲 优化问题，阐述了不同的编码方式及遗传操作． 关键词遗传算法，函教优化，编码研究 T--’f‘ 1引 言 许多实际问题都可以归结为优化问题。传统的优化技术往往都对目标函数有一定要求， 如连续可馓性，凸性等．而在实际应用中，目标函数往往是非凸的，具有许多局部最优点，有效 地求解非凸函数的全局最优解是一个非常困难的问题．特别是对于大规模问题，由于局部最优 点豹增多，使得寻求全局最优点的难度增大，因而研究有效的全局优化方法具有重要的现实意 义．近年来，随着计算技术的发展，一些新的智能算法(如遗传算法”]、模拟退火算法n]、攀忌搜 索算法“3)得到了迅速发展和广泛应用。特别是模拟进化算法(GA、GP、ES)，无论是理论研究 还是应用研究都空前活跃，同时，一些新的模拟进化算法也逐渐出现并日益完善．为这类复杂 优化问题提供了一定的解决方案。遗传算法是目前研究最多、应用最广的模拟进化算法，在众 多领域得到了广泛应用。本文就遗传算法在函数优化问题中的编码方式及遗传操作作一综述． 2 遗传算法 法在理论及应用上都获得了很大的进展。遗传算法以其简单易行、适用面广等优点而深受欢 迎，目前已在组合优化、自适应控制、机器学习、人工生命等领域获得了众多成功应用．遗传算 法是2l世纪的关键智能计算技术之一． 遗传算法与传统的搜索算法不同，具有如下特点； 1)遗传算法不是对变量直接操作，而是对其编码进行操作； 2)遗传算法是从一组点出发进行搜索，而不是从单个点开始； 3)遗传算法不需要导数等信息} 4)遗传算法是一种随机搜索算法。 遗传算法的主要操作有：复制、交叉、变异。复制体现了。适者生存，不适者淘汰”的自然选 择机制，交叉操作使得后代能够继承父代的优良特性}变异操作在增加种群多样性方面具有重 要作用． 遗传算法的应用过程主要包括：编码；构造初始种群；设计适应度函数；确定遗传算法结 构f选择遗传算子l确定遗传算法的控制参数．具体过程可用下面的流程图表示： 353 确定控制参数P。，P．，种群大小，停止准则 begin t=0 initializeP“) evaluatePO) while(notterminationcondition) “；t+l select声(t)fromPO—1) erosaoverr．P“)withP。 probability mutationPO)with P． probability evaluate P0) ) thebestsolution output end 3 函数优化问题中的遗传算法 3．1编码问■ 遗传算法编码方式有多种形式，如二进制编码、浮点数编码、整数编码、符号编码、矩阵编 码等。对于实值函数编码，最常用的编码方式是二进制编码，二进制编码实际就是对搜索空间 均匀划分，所求解的精度受到编码长度的限制．如果编码长度过短，则求解精度下降{反之，如 果编码长度过长，则搜索时间相应增加，不利于实际应用。因而对于函效优化问题·实数编码已 逐渐引起重视“]． 3．2选择方式 常用的选择方式有“]t 适应度比例选择