殷玲玲,苏剑锋
(六安职业技术学院,安徽 六安 237000)
遗传算法通过对达尔文提出的自然选择与进化学说进行模拟,同时融合计算机算法最终完成可以全局统筹的概率搜索算法.这种算法能够在解决具体问题时首先圈定一个先大致潜在解的集合作为概率搜索算法的初始种群.潜在集合一般由计算机随机生成,数目统一且每一个个体代表不同的计算机编码,其中最优解即为初始生成的个体进化得到的,每一个不同的生物个体依据其不同的基因特征生成代码,以便于我们验证优胜劣汰的自然选择法则.在进化过程中需要保持种群的多样性使得算法更加精确、科学,同时其收敛性也相对更加准确,此时需要设定小概率的变异事件,使其更加贴近自然选择的范围.遗传算法的收敛性分析和收敛速度的研究一向是研究的重要方向.其中种群的初始分布是最先要考虑的问题.林阳等人(2017)提出运用多种群遗传算法的逆运算方式,同时引用适应度函数来提高函数的收敛速度[1].孙佳正等人(2018)提出统一种群中,依据缺陷这一要素将种群分为多个整体,通过交叉对比的方式提高算法搜索效率[2].薛愈洁等人(2018)提出利用遗传算法分类器实现系统匹配,通过仿真可以提高算法的精度[3].基于此,可以看出,遗传算法在解决高峰值和复杂的函数问题的时候,并不能保证收敛的速度和最终能收敛到最优解,从初始种群的选择这一……