遗传算法中种群维护策略的比较

谭 阳，方 颂

(湖南网络工程职业学院，湖南长沙 410004)

遗传算法中种群维护策略的比较

谭 阳，方 颂*

(湖南网络工程职业学院，湖南长沙 410004)

遗传算法在许多优化问题中都有成功的应用，但其本身也存在一些不足。如何改善遗传算法的搜索能力，使其兼顾收敛速度和搜索范围，能更好地解决实际问题，一直是智能计算领域主要的课题之一。本文就3种常见的种群维护策略进行了比较与讨论，并分析了不同策略的优劣之处。

遗传算法;选择策略;适应度排序;欧氏距离;海明距离

一、引言

遗传算法(Genetic Algorithm ，GA)［1］是一种模拟生物进化中遗传选择和自然淘汰过程的计算模型。其算法思想源于生物遗传学和适者生存的自然规律，通过采用“生存+检测”的迭代过程进行寻优搜索。由于遗传算法具有不依赖于问题模型的特点，且还具有全局最优性、隐含并行性、高效率以及解决非线性问题稳定等特点，被广泛地应用于各个领域。尤其在数值优化领域，遗传算法以其对求解问题限制少，不要求目标函数连续可微等特性而倍受关注。但是遗传算法同样也存在局部搜索能力较差，全局优化速度缓慢，易出现早熟收敛等问题。

不失一般性，考虑如下全局优化问题:

式中，x=(x1，x2，…，xm)∈D，D⊆Rm为搜索空间，f:Rm→R 为目标函数，L=(l1，l2，…，lm)，U=(u1，u2，…，um)，［L，U］={(x1，x2，…，xm)=|li≤xi≤ui，i=1，2，…，m|}表示可行解空间，［L，U］= ⊆D，Q=D［L，U］为不可行解空间。

定义 1:向量 u=(u1，u2，…，um)称为非劣于(Dominated)向量 v=(v1，v2，…，vm)，当且仅当对于∀i∈{1，2，…，m}，ui≤vi∧∃i∈{1，2，…，m}，使得ui＜vi。

基本遗传算法中采用单点交叉算子和简单的变异算子，优点是操作简单、计算开销小，但是在使用过程存在很大的局限性［2］，由于单点交叉破坏模式的概率较小，导致搜索到的模式数目也较少，从而算法具有的搜索能力较低，难以对多维连续空间的问题进行有效搜索。……