基于不动点理论的改进遗传算法分析-analysis of improved genetic algorithm based on fixed point theory.docxVIP

第 1 章 绪论1.1 遗传算法的发展与现状1.1.1 遗传算法的发展遗传算法是一种随机化全局搜索算法，以生物界进化中优胜劣汰、自然选择、 适者生存为基础。遗传算法的基本过程是首先利用随机方式产生一个初始群体， 然后将通过选择、交叉、变异等过程改善待优化群体整体的性能，然后经过循环 过程直至达到某一限值或满足收敛要求，循环过程结束找出最佳个体。遗传算法对优化模型的要求很低，基本上不利用外部信息，仅以适应度为依 据，对函数的连续性、可微性、梯度信息、设计空间的连通性和非凹性不做要求, 只要求能进行大小比较的非负结果即可，遗传算法在整个解空间遍及搜索，易得 到全局最优解，其适者生存的自然遗传机制与广义的优化内涵恰好相吻合。这些 优点使遗传算法在优化领域不断壮大，尤在工程结构优化及难以解决的复杂非线 性优化问题中得以广泛应用。遗传算法早期的研究工作始于本世纪 60 年代。下面按年代的顺序，以重要的 人物及其研究成果为线索，简要地介绍遗传算法研究的发展过程：（1）Holland 和自适应系统50 年代末 60 年代初，一些生物学家开始利用计算机对遗传系统进行模拟。 Holland 在此期间正在从事自适应系统的研究。受生物学家们模拟结果的启发， Holland 和他的学生们首次应用模拟遗传算子来研究人工问题.适应性的研究涉及到自适应系统和其环境，一般地，它是研究系统如何生成 过程，以使系统有效地适应它们的环境.如果适应性在开始时不是任意限制的，那 么自适应系统必须能生成一个具有有效定义能力的方法或过程[1]。.60 年代中期，Holland 开发了一种编程技术—遗传算法，其基本思想是利用类似于自然选择的方式来设计计算机程序[6]。在软件设计中，适应性是基于监督程序 的不同选择，通过不断剔除效果不佳的程序，让那些求解问题好的程序越来越占 据优势，从而使系统最终能适应任意的环境。Holland 除了认识到选择的必要性之 外，还赞同群体搜索的方法优于当时文献中普遍的单个结构到单个结构的方法。 在随后的 10 年中，Holland 致力于创建一种能表示任意计算机程序结构的遗传码， 以拓广遗传算法的应用领域[2-5]。（2）Bagley 和自适应下棋程序1967 年，Bagley 发表了关于遗传算法应用的第一篇论文并且首次提到了“遗 传算法”这个名称。Bagley 设计了一个可控制的试验棋盘，模拟六个棋子的下棋 游戏。Bagley 构造的遗传算法是用来搜索下棋游戏评价函数中的参数集，它与我们 现在应用的遗传算法很相似，Bagley 还敏锐地意识到在遗传算法的开始和结束阶 段需要有适当的选择率，为此，他引人了适应值比例机制，在算法执行的起始阶 殴减小选择的强制性，在算法执行的后阶段增加选择的强制性，因而，当接近群 体收敛时，在类似的高适应值的串之间保持了适当的竞争.今天的遗传算法研究人 员也采取了与之相似的步骤。（3）Cavicchio 和模式识别1970 年，Cavicchio 应用遗传算法解决了人工搜索中的两个问题：子程序选择 问题和模式识别问题[7]。在 Cavicchio 的遗传算法中，他采用了一个预选择策略，即一个好的子代替换 它的一个父代，以便保持群体的多样性.当群体规模比较小时，群体多样性的保持 尤其显得重要，预选择策略有助于此，后来 De Jong 采用类似的方法成功地运用于 函数优化研究中[8]。（4）Hollstien 和函数优化1971 年，Hollstien 完成了关于遗传算法在纯数学优化应用方面的第一篇学术 论文[10]，主要研究了五种不同的选择方法和八种交配策略。（5）De Jong 和函数优化1975 年，也就是在 Holland 出版了那本很有影响的专著的同一年，De Jong 完 成了他的博士学位论文[11]。De Jong 把 Holland 的模式定理和他自己细致的计算结果成功地结合在一起， 他的研究成果至今仍是遗传算法发展史上的里程碑。与 Hollstien 早期的研究一样，De Jong 主要考虑了遗传算法在函数优化中的应 用，他建立了一组测试函数，其中包括非凸函数、不连续函数、带有随机数的函 数以及高维函数。70 年代后期，De Jong 对遗传算法进行了大量的数值实验，得出 了一个结论，对于规模在 50 到 100 的群体，经过 10 到 20 代的演化，遗传算法都 以很高的概率找到最优或近似最优解，这个结论对于一个变化非常大的问题空间 也成立。De Jong 指出，串中每位的变异概率只要在 0.001 的数量级，就足以能防 止搜索陷入局部最优。（6）Goldberg 和管道系统优化到 80 年代早期，遗传算法已在更广泛的领域中得到应用。1983 年，Goldberg将遗传算法应用于管道系统的优化和机器