基于变步长搜索的遗传算法搜索空间减缩策略研究.pdfVIP

基于变步长搜索的遗传算法搜索空间减缩策略 927 基于变步长搜索的遗传算法搜索空间减缩策略+ 安竹林刘晓平 合肥工业大学计算机与信息学院VCC研究室，合肥230009 摘要：当可行解空间的尺寸远小于搜索空间时，遗传算法往往会退化成为简单随机搜索．本文提出 了一种基于变步长搜索的改进遗传算法，谊算法通过变步长搜索为遗传算法提供可行解，同时对搜索 空间进行减缩。通过对该算法在一维单峰函数优化的应用，以及与简单遗传算法计算结果的比较，验 i,x-f算法的有效性。 关奠字：变步长遗传算法搜索空间减缩 l引 言 遗传算法(Genetic Algorithms)是一种模拟自然进化过程的随机化搜索方法。它将问题的解表示成染色体， 即二进制编码串。在搜索前产生一定种群大小的染色体群，然后将这些初始染色体至于问题的环境中，并 按适者生存、优胜劣汰的遗传机制，从中选出较适应环境的染色体进行复制，再进行交叉、变异过程。产 生更适应环境的新一代染色体群。这样～代一代地进化，最后就会收敛到最适应环境的一个染色体上，即 问题的最优解。 遗传算法具有容错能力高，强壮性，全局搜索性以及固有的并行性等特点，广泛地应用于组合优化，函 数优化，机器学习，信号处理，适应控制，人工生命等各个领域，取得了许多重大的成果。但是工程中的 大量问题，由于存在着复杂的约束，其可行解空间只占搜索空间的非常小的一部分。…如果直接应用遗传算 法进行优化，遗传算法在初始化种群的时候，会产生长时间找不到可行解的情况，而使遗传算法退化成为 简单的随机搜索。因此，对于大规模具有复杂的搜索空间的问题，遗传算法在有限时间内往往不能有效的 得到最优解。口1如何从巨大的或者是复杂的搜索空间中找到问题的可行解空间，是遗传算法应用研究的一个 重要的课题，许多研究围绕这一课题展开，它们大致分为两类”1：问题分解[41和搜索空间减缩口]。值得注意的 是这些工作所提出的方法都是依赖具体问题的。本文将变步长搜索应用与遗传算法，提出了一种解决上述 问题的改进的遗传算法。 in 本文的第2节介绍了变步长搜索算法；第3节将该方法应用于改进的一维“Needle Haystack”函数优化， 并与经典遗传算法进行了比较；第4节给出结论和展望。 2变步长搜索 遗传算法的搜索是从初始染色体种群开始的，初始种群的产生有两种方法：专家指派和随机产生。专家 指派是指，由具有领域知识的专家根据所求解的问题给出解空间中的一组初始解；随机产生是指，由程序 随机的在搜索空间中取值，直到得到取到解空间中的一组解。遗传算法多数采用随机化产生初始种群，这 是因为对于多维的优化搜索，专家指派的效率低下，甚至找不到初始解；同时专家指派的初始种群经常会 导致遗传算法陷入局部最优值而过早收敛。 ’基金疆目·国家自然基金项目．安徽省教育厅白然基金项目(2004kj097)． 作者俺介·安竹林(1980-)，男．山东省青岛人．硕士生．研究方向为协同计算、集群计算l刘晓平(1％4．)，男，山东省挤南人，教授，博导，研 究方向为CAD／CG． 928 计算机技术与应用进展。2006 随机化产生初始种群，在解空问相对搜索空间较大的情况下可以迅速完成，而当解空间只占搜索空间的 非常小的一部分，或者是搜索空间非常复杂的情况下，往往会使种群的初始化难以完成，使遗传算法停滞， 从而退化成简单随机搜索。即使完成初始化，搜索过程中的交叉、变异操作也会产生大量的子代不在解空 问的范围内，造成遗传算法收敛缓慢。在这种情况下，寻找一种改进方法是非常必要的。 变步长搜索算法，是数值分析中的一种经典方法。它首先以一定的步长对搜索空间进行第一轮搜索，一 旦没有找到解，就减小步长进行下一轮搜索，如此往复直到找到解。一维变步长搜索算法描述如下：