智能优化算法简述

马原响

（ 华北水利水电大学 土木与交通学院，河南 郑州450011）

随着科学的发展，人们逐渐提出了许多优化算法并由此形成了系统的优化理论。但由于这些传统的优化算法在解决大型的工程问题上存在一定的局限性，所以自二十世纪80 年代以来，出现了一些比较新颖的优化算法，例如遗传算法、混合蛙跳算法等，这些算法都有一个共同点就是通过模拟或揭示某些自然现象或者过程从而得到高速发展，这些算法都有其独特的优点和机制，引起了国内外学者的广泛重视，也因此掀起了一股研究优化算法的热潮，到目前为止这些算法已经在广泛的工程领域得到了应用。

图1 遗传算法流程图

1 遗传算法

遗传算法（Genetic Algorithm，GA）是美国MIChigen 大学的Holland 教授[1]在受到达尔文进化论启发而创造的一种智能优化算法，这个算法按照类似生物界自然选择（selection）、变异（mutation）和杂交（crossover）等自然进化方式，通过种群之间的“适者生存”原则，提高种群的平均适应度，然后利用适应度函数来引导种群进化的方向，由此可以得到最优个体所代表的问题解并逐渐逼近问题的全局最优解。目前遗传算法以及其改进算法已经广泛应用于函数优化、生产调度、自动控制、图像处理、机器学习、数据挖掘等领域。

1.1 遗传算法基本步骤

（1）对问题进行编码。

（2）定义适应度函数后，生成初始化群体。

（3）对于得到的群体选择复制、交叉、变异操作，生成下一代种群。

（4）判断算法是否满足条件，如果不满足停止条件，则返回继续执行步骤（3）。……