基于遗传的决策优化方法.pdfVIP

全国第五届计算机辅助生产管理学术会议论文集 基于遗传的决策优化方法¨ 许道云 (贵州大学计算机科学系 贵阳550025) 摘要本文建立了一个决策优化模型的遗传算法，提供了一种生产管理中实用而有最的决策优化方 法。通过适当的睁改·对其他优化模型仍然有效： 关键词遗传算法．决策优化 度。 1引言 2 1确定一个韧始群体 在国民经济领域中，我们常常会遇到各种各样的 选定初始群体S。小蜘…喝作为第一代群体，k 优化问题，如：多个因素确定的决策方案，如果每个因 I=，(z≈1，2，…tnl。其生成方式有两种：(1)随机生成 素有多种选择．如何组合，才能达到最忱或近似最忧； 适当个数的个体；(z)选择所有可能的个体． 又如：产品配料问题，一种产品由多种成份构成，吾种 2 2选择一个个体适应度函数 成份如何配料，方使产量达到最高或质量最优等等。 在个体上定义一个函数，(如乖j润，产量)称为个 过些韶涉_及到需要建立恰当的数学模型，并对其进行 体的适应度函数。对每个$．，fs)髂为^的适应度．一 求解。通常．我们一般采用线性规划和非线性规划化方 般取，为一个非负函数。 法，寻求问题的最忧解。但是，我们知道：并非所有问题 2 s确定一种个体髓机选择的方法 都有最忧解．而且，当变量较多的情形下，求解问题的 一般采用赌盘选择甚，具体操作如下： 计算复杂性很高。但在实际应崩中．往往不一定要求最 设有群体S川幽．…垴，每个个体对应的适应度 优解．只要求在给定误差范围内，问题有解即可．即达 分别为： 到“满意郎优”． 近年来迅速发展起来的遗传算法．是一种全局优 化方法，该方法依照生物学中的“优胜劣汰，适者生存” 的原理．提供了一种强大的快速搜索能力。能够快速搜 n之间随机产生一个个体编号卅，将，(“)累加进c中 索到问题的最优懈或近似最优解。从理论上讲，遗传算 (即c扣c+fCs．))盲到cB时将此5，作为被选个 法中算法的收敛性同题至今并素彻底解凑。也就是{兑， 体。 尚未找到一种判定方法：对一个给定问题，到底遗传多 2．4当代群体上所施行的三种运算 少代舌就可以确定出最优解。尽管如此，从应用角度 (1)复制运算：在当代群体中用赌盘方法将部分 看．这并没有太大影响．只要“满意”就行。即在指定误 (或全部)个体复制到一十新的群体中，允许相同十体 差内或“满意解”的范国内，如果有解出现．就可以终止 重复出现，祝为“克隆”现象。复制运算并不产生新的个 运算。 体。 (2)交叉运算：随机选定两个个体进行交配．即在 2遗传算法的基本原理 某一确定段上(或其些代码位置上)，对等交换代码，产 遗传算法的实质是；将一组韧始方案(如所有可能 生两个下一代个体。 解)人工模拟为一组群体．一种方案对应一个十体。通 (3)变异运算：随机选定一个个体，将其两十指定 常采用选定一种编码方式(如二进制编码)将一个方案 位置的代码对调，产生一个新的下一代个体． 描述为～十0．1字符串。假定不同个体的字符串长度相 为，尽量消除人为因素，让其自然选择．对上述三 2 同(记为，)。不同字符的个数记为L(通常取L2)，评 种运算，我们仅从概率上加以控制：比如作复制、交叉、 价一十方案的指标(如利润、产量)称为该方案的适应 变异运算的慨率分别为P…P，^．一般来讲P-值很 *)贵州大