小生境遗传算法进展刍议.pdfVIP

_现代建设 IModernConstruction 现代物业 ·新建设 2012年第11卷第9期 小生境遗传算法进展刍议 王海明 (湖南铁道职业技术学院。湖南 株洲 412001) 摘 要：通过对遗传算法的探讨，叙述了遗传算法的基本原理与特征、物种生成与小生境技术。细致介绍2O世纪60年 代以后的各种小生境实现方法。包含确定性排挤法、共享函数法、可变半径的聚类算法与隔离小生境方法等：结尾展 望了小生境遗传算法的工程实践应用。 关键词：遗传算法；小生境；隔离；聚类算法；土木工程 中图分类号：0242 文献标识码：A 文章编号：1671-8089(2012)09-0008-02 遗传算法 (GeneticAlgorithms，GA)是由Michigan (1)GA的运算对象是 问题决策变量 的编码，GA的搜 大学HolIand教授及其 团队开创 的，起源于上世纪60年代 索 目标是将 目标函数转变为适应度函数即以目标函数为搜 对 自然及人工 自适应系统的开发和研究。遗传算法是模仿 索信息，不需 目标函数的导数值等其他一些辅助信息，GA 生物于大 自然生态环境 中的遗传及进化过程而发展衍生 的此种特征使其拥有宽广的应用实践领域。 的一种基于 自适应全局优化概率的搜索算法。2O世纪70年 (2)GA方便同时对多个区域 的不 同点进行搜索 ，并 代，DeJong在电脑上用源于遗传算法的思想做了大量的实 同时利用不同搜索点的搜索信息，进而很容易摆脱局部最 验—— 函数基于纯数值的优化改进计算操作。2O世纪80年 优来寻求全局最优解。此为遗传算法所特有的一种隐含并 代 ，Goldberg在一连串研究推演 的实验中，经过对以往工 行性。 作的归纳总结，得出了遗传算法的大体框架。由此，遗传 (3)GA运用概率搜索技术来推进其搜索方 向。它在 算法早期被用于模拟大 自然系统的生物进化特征，后来被 进行选择、交叉、变异等遗传操作时都是 以一种概率的方 应用于广泛的实践工程 。 式来进行 的，进而增加了它搜索运行的灵泛性。 (4)GA的基本思想较简单，运行方法及实现步骤 比 1遗传算法的实现过程和特征 较规范，容易进行 电脑编程运算 。 遗传算法模拟 了生物 自然进化过程 ，像选择、交叉 、 变异、迁移、领域和局域等，是源于 自然选择及 自然遗传 2物种形成和小生境技术 等生物进化机理的搜索算法。 2．1物种和小生境 l_1基本遗传算法的实现步骤 在 生物学说 中，将有共 同特性 的组织称 为物种 基本遗传算法 (SimpleGeneticAlgorithms，sGA)指 (species)。将特定条件下物种赖 以生存的资源环境称 的是采取适应度 比例挑选方式、单点交叉方法、单点变异 之为小生境 (niches)。小生境中的生物体拥有特定的染 策略和变异概率、交换概率采取某个常数 的搜索算法 。 色体结构，表征 出特定的物理性状。在生物界，小生境技 SGA包含： (1)编码； (2)产生初始种群； (3)评价个 术 (niching)表征为： 自然环境中分享不同资源的物种 体适应度； (4)产生子代群体； (5)终止条件研判等执 的生成 。相对于GA这样的人工系统，小生境技术表征为： 行过程 。 于一个固定数量 的种群中子群体 的生成 ，各个子群体相对 1．2遗传算法的特点 应 问题的一个子任务 (在多峰值优化实践中，各个子任务 遗传算法是一种模拟生物 自然选择与遗传机理的随机 相应地搜索出一