遗传算法改进策略研究进展.pdfVIP

遗传算法改进策略研究进展 in AdvancesGaImprovement 尹元韬’王焱 YlN WANGYan Yuan—tao doi：10．3969／j．issn．1672-9528．2010．03．12 Abstrad fire toavoiditsflawssuchasthelocalminimum Inrecent years．geneticalgorithmsimprovedveryfrequently trap． This sumedthe traceandtrends GAsindetail．In outthe addition，this paper up developmental concerning paperpointed shortages of GAsexisted tomakerelevantscholarsavoidthemintime． improved nowadays Genetic trendDefectsof Keywords algorithmsImprovemcntalapproachesDevelopmental algorithm 随着经济社会的快速发展，人类科学研究与生 1 遗传算法发展历程 产活动的广度与深度都大大拓展了。科研与生产实 践中涌现出的大量新课题对作为社会发展催化剂的 从20世纪40年代，生物模拟就成为了计算科 信息与控制科学提出了前所未有的挑战。传统信息 学的一个重要组成部分，如早期的自动机理论就是 处理算法在面对各种非线性、不确定、不能精确解析 假设机器是由类似于神经元的基本元素组成的…。 以及建模机理复杂的问题时，往往显得捉襟见肘。 遗传算法也是在这种生物模拟的思想影响下发展成 正是在这种背景下，各种智能信息处理算法如雨后 长起来的。遗传算法的思想最初来源于生物科学中 春笋般涌现出来。作为智能信息处理算法中的重要 C．R．Darwin的进化论、AWeismann的物种选择学 一员，遗传算法近年来以其独特而卓越的性能日渐 说和G．Mendel的群体遗传学说旧’3J。遗传算法的 引起了人们的关注。 思路与人类行为中成功的标准是很相似的，它是一 虽然遗传算法在许多优化问题中已得到了广泛 种利用自然选择和进化思想在高维空间中寻优的方 的应用，但与遗传算法理论本身的应用潜力相比，其 法。它不一定能寻找到最优点，但是它可以找到更 推广应用还有很大的空间。由于遗传算法发展历史 优点。遗传算法结合了Darwin的适者生存和随机 短、理论更新改进速度快，面对每年发表的成百上千 交换理论。适者生存理论消除了解中的不适应因 篇改进策略研究文献，相关研究人员往往不能在有 素，随机交换理论则利用了原有解中的已有知识，从 限的时间里理清其理论发展脉络并选择恰当的研究 而加速了对优化解的搜索过程∞j。遗传算法与Fo— 着力点。并且，由于遗传算法