遗传算法研究综述

摘 要：通过介绍遗传算法的基本概念和基本原理，说明了遗传算法应用领域，指出了遗传算法在应用中的几个关键问题，并介绍了遗传算法研究新动向及存在的问题。

关键词：遗传算法；编码机制；遗传算子；适应度函数

1 遗传算法的基本原理

遗传算法类似于自然进化，通过作用于染色体上基因寻找最好的染色体来求解问题。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是对遗传算法所产生的染色体有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合成下一代新的种群，对这个新种群进行下一轮进化。

2 遗传算法的应用

遗传算法在应用中最关键的问题有如下3 个。

（1）串的编码方式。本质是问题编码。一般把问题的各种参数用二进制编码，构成子串；然后把子串拼接构成“染色体”串。串长度及编码形式对算法收敛影响极大。

（2）适应函数的确定。适应函数（fitness function）也称对象函数（object function），这是问题求解品质的测量函数；往往也称为问题的“环境”。一般可以把问题的模型函数作为对象函数；但有时需要另行构造。

（3）遗传算法自身参数设定。遗传算法自身参数有3 个，即群体大小n、交叉概率Pc 和变异概率Pm。群体大小n 太小时难以求出最优解， 太大则增长收敛时间。……