遗传算法及其在油料保障路径优化中的应用研究.docVIP

遗传算法及其在油料保障路径优化中的应用研究

1，曹刚张仁平2(1,76167，512133;解放军部队保管队广东韶关

解放军后勤工程学院军事油料应用与管理工程系，重庆401311)2,

】。，【摘要路径探索算法是古老而常新的问题在介绍遗传算法的基础上通过一个简单例子详细分析用遗传算法解决油料保障路径问题。最后对算法结果进行总结和分析。

【关键词】油料保障;路径优化;遗传算法

【】E919【】A【】1008-8032(2012)06-0046-03中图分类号文献标识码文章编号

，。探索和优化方法适合于解决复杂系统优化问题0引言、、、遗传算法作为一种实用有效鲁棒性强适应性好、、、在部队行军交通运输市政规划最优选址等，，、的优化算法近年来发展极为迅速已在函数优化

，，、、、诸多方面往往会遇到网络最优化问题即路径优化组合优化生产调度自动控制机器人学习等方面,2,，，(类问题其核心是求最短路径包括含权路指道路得到广泛应用。

，、、下面介绍遗传算法常用的几个基本概念。)质量类别安全等所含不同的权重系数下同的

。1)(Chromoso)m:e最短路径油料保障路径优化与其它路径优化问题染色体染色体由基因组成的

，存在不同之处:一是不仅仅要找一条最短路，很多时(0遗传信息的载体基因是指用一位二进制代码或

，，候需要同时找出最短路或次短路为指挥员决策作1)表示的一个遗传因子基因的数量就是染色体的

，，;。参考二是有时不仅要知道两个定点的最短路而且长度使用遗传算法时需要首先明确染色体编码

，，;。要知道某个定点到其它定点的最短路径三是路径规则明确基因的长度把问题的解变成染色体一

(优化中可能寻找排除某一条或几条道路可能被炸。个染色体就代表问题的一个解

，、)2)(Population):毁冲毁之后的最短路这就需要在最短路中增加群体每代染色体的集合称为群

，。，一些附加条件因此许多路径探索的传统经典优。体群体中染色体的数量称为群体的大小使用遗

，，，Dijkstra、Bellman-Ford-Moore化算法典型的有算法传算法时根据问题设置群体的大小一般可设置为,1,、A*(，A)算法也可读作星算法等等于油料10或20。对

保障路径优化问题则显得有些力不从心。3)(Fitness):适应度各个个体对环境的适应程

，，遗传算法是解决搜索问题的一种通用算法其。度叫做适应度为了体现染色体的适应能力引入

:1);2)，共同特征是首先生成一组候选解依据某些了对问题中的每一个染色体都能进行度量的函数

;3)，适应性条件计算候选解的适应度根据适应度决。叫适应度函数也是问题的目标函数

定保留或放弃候选解;4)对保留的候选解进行遗传1.2遗传算法基本原理，。操作生成新的候选解遗传算法上述特征以一种遗传算法类似于自然进化，通过寻找好的染色

:。特殊的方式组合在一起基于染色体群的并行搜索，。体来求解问题与自然界相似遗传算法对求解问这就使得遗传算法区别于其他搜索算法，像油料保，题的本身一无所知它所需要的仅是对算法所产生，障路径优化类的路径探索遗传算法就是一个很好，的染色体进行评价使适应度高的染色体有更多繁。的选择，。殖机会在遗传算法中通过随机方式产生若干个

，，;染色体即假设解形成初始群体通过适应度函数1遗传算法的基本概念，，对每个个体进行评价淘汰低适应度的个体选择高遗传算法基本概念1.1，、适应度的个体进行选择交换和突变等遗传操作经遗传算法(GeneticAlgorithm，简称GA)是模仿，过遗传操作后的个体集合形成下一代新的种群依

。达尔文生物进化论和孟德尔遗传学机理的随机全局次类推

:2012-09-14收稿日期:(1979))，，。作者简介曹刚工程师主要从事军用油料的管理及研究

:47曹刚等遗传算法及其在油料保障路径优化中的应用研究6第期

，()心就是首先生成一组染色体候选最优路径根据1.3遗传算法基本步骤

，，指挥员意图确定目标函数计算染色体的适应度再最简单的遗传算法操作主要有三种:选择(se-，根据适应度决定保留或放弃染色体并对保留的候lection)，(crossove)ratiun)。(mut交换和突变，，，选解进行遗传操作生成新的候选解依次循环找1):选择操作从群体中选择某些染色体用于繁。到一个或一组最优解()，，殖后代生成新的候选解染色体的适应度越高