97遗传算法在最优化问题中应用.pdfVIP

飘蜜三 发 ／ ／／ — — — — — — — — — — — — — — — — — — — — — — — — — — — — ． ．— ／ 遗传算法在最优化问题中的应用★ 赵 娟 (西安工业大学北方信息工程学院，西安 710025) 摘 要 ：使用遗传算法解决最优化 问题 ，其实质是将物理 问题数学化 ，即将最优化 问题转换为求解 目标函数的最优解 问题 。由于遗传算法对求解的 目标函数的连续、可导或单峰等性质不作 约束 ，使得遗传算法具有较好的全局最优解求解 能力。将遗传算法引入到布井优化 中，通过 最大化净现值来优化井数 。 关键词 ：遗传算法 ；全局最优解；最优化 ；净现值 0 引 言 问题为非连续 、多峰等情况下 ，能够以很大的概率收敛 到最优解 ．因而具有较好的全局最优解求解能力 最优化问题就是寻找一个最优控制方案或最优控 遗传算法模拟物种是一个从低级到高级的演化过 制规律 ，使系统能达到最优 的预期 目标 。最优化 问题一 程 ．即从初始群体出发，采用优胜劣汰 、适者生存的自 般包括两方面 问题 ：线性 问题和非线性 问题 。首先是线 然法则选择个体，通过交叉、变异来产生下一代群体 ． 性问题的求解 ．主要在经济活动及工程技术中出现 这 逐代演化 ．直到产生满足条件的个体为止。也就是 以适 类 问题一般采用单纯形法来求解 其次是非线性 问题 应度函数f或 目标 函数)为依据，通过对群体中的个体 的求解，这是一类最常见的问题 ，工程 中经常碰到，尤 施加遗传操作 实现群体 内个体结构重组的迭代处理 其是在物理学和决策中的许多问题常常可 以归结为非 过程 ．实现其算法 的流程 图如 图 1： 线性规划问题 这类 问题求解就是先建立一个数学模 型 ．再求解 输入初始参数 最优化 问题 的求解实质就是将物理 问题数学化 ． 确定变量、约束条件、目标函数 把最优化 问题的求解转化为 目标 函数最优解的求解 ． 利用遗传算法在求解最优解方面的特点 ．达到事半功 编码生成初始群体 倍 的效果