改进遗传算法的研究现状分析.docVIP

改进遗传算法的研究现状分析 作者：马姣姣 单位：硕计算机101班 研究方向：嵌入式 电话 邮箱：majiao515@126.com 摘要：遗传算法是全局优化自适应概率搜索算法，它有智能寻优，鲁棒性等优点，但也存在早收敛，结果不精确等不足。因此许多学者提出了一些改进措施来弥补遗传算法的缺点。本文对近些年来出现的改进遗传算法进行了简要介绍，并对其优缺点进行了评述。 关键词：遗传算法； 改进遗传算法； 变异； 收敛 Abstract: Genetic algorithm is a global optimization adaptive probability search algorithm. It has intelligent optimization, robustness and other advantages. But there are premature convergence, the results are not accurate and so on. So many scholars put forward some improvement measures to make up for the shortcomings of genetic algorithm. This paper appears briefly introduce a modified genetic algorithm coming in recent years and discusse the advantages and disadvantages. Key words: genetic algorithm; improved genetic algorithm; convergence; variation 1、引言 遗传算法是自起源到当今已经得到了普遍认可，它为我们解决实际问题提供了一个很好的方法，但其自身还存在不足，因此许多学者尝试对遗传算法进行改进 以更好地解决实际问题。 遗传算法是由美国的教授于年在他的专著《自然界和人工系统的适应性》中首先提出的，它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 遗传算法是全局优化自适应概率搜索算法，是模拟自然选择和自然遗传过程中发生的繁殖交叉和基因突变现象。在每次迭代中都保留一组候选解。并按某种指标从解群中选取较优的个体。利用遗传算子，选择，交叉和变异对这些个体进行组合产生新一代的候选解群，重复此过程直到满足某种收敛指标为止。 遗传算法对一个个体解的好坏用适应度函数值来评价,适应度函数值越大，其解的质量越好。而适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准。它的设计应结合求解问题本身的要求而定，遗传算法所使用选择运算来实现对群体中的个体进行优胜劣汰操作。适应度高的个体被遗传到下一代群体中的概率大，选择操作就是按某种方法从父代群体中选取一些个体，遗传到下一代群体；基本遗传算法中采用的选择算子是轮盘赌选择方法，遗传算法要实现全局收敛。首先要求任意初始种群经有限步都能到达全局最优解，其次算法必须有保优操作来防止最优解的遗失，与算法收敛性有关的因素主要包括种群规模 选择操作，交叉概率和变异概率。 2、遗传算法的产生与发展 早在50年代，一些生物学家开始研究运用数字计算机模拟生物的自然遗传与自然进化过程；1963年，德国柏林技术大学的I.Rechenberg和H.P.Schwefel，做风洞实验时，产生了进化策略的初步思想；60年代，L.J.Fogel在设计有限态自动机时提出进化规划的思想；1966年Fogel等出版了《基于模拟进化的人工智能》，系统阐述了进化规划的思想；60年代中期，美国Michigan大学的J. H. Holland教授提出借鉴生物自然遗传的基本原理用于自然和人工系统的自适应行为研究和串编码技术；1967年，他的学生J.D.Bagley在博士论文中首次提出“遗传算法(Genetic Algorithms)”一词；1975年，Holland出版了著名的“Adaptation in Natural and Artificial Systems”，标志遗传算法的诞生。 70年代初，Holland提出了“模式定理”（Schema Theorem），一般认为是“遗传算法的基本定理”，从而奠定了遗传算法研究的理论基础；1985年，在美国召开了第一届遗传算法国际会议，并且成立了国际遗传算法学会(ISGA，International Society of Genetic Algorithms)；1989年，Holland的学生D.J.Goldherg出版了“Genetic Algorithms in Sear