改进遗传算法在计算机数学建模中的应用研究

张琳娜

（陕西国防工业职业技术学院，陕西西安 710302）

遗传算法的基础思想就是对生物界遗传过程的模仿，整个过程通过3 个基本操作构成，分别为选择、交叉和变异，用染色体表示二进制，用基因表示参数，最后得到群体。在层数较多时，基本遗传算法存在编码冗长和寻优效果差的问题。所以，为了解决基本遗传算法的问题，通过深入研究与分析，提出改进遗传算法。该算法的遗传编码操作简便，方便交叉与操作，提高了操作的便捷性与简单性，还能够减小矩阵编码长度，在理论与实践方面有一定的突破与创新[1-2]。

1 遗传算法的设计

1.1 遗传算法设计步骤

在使用遗传算法求解问题时，首先要设计并改进算法，其步骤为：

1）确定编码方案。遗传算法利用编码的解决方案进行求解；

2）确定适应度函数。适应度值能够度量解的好坏，大部分都是基于目标函数来表示；

3）确定选择函数。使用优胜劣汰选择机制，提高高适应度值个体的存活概率；

4）选择控制参数。包括算法执行最大迭代代数、种群规模、不同遗传操作执行概率；

5)设计遗传算子。包括选择、交叉和变异；

6)确定算法终止规则；

7）编程上机运行。根据遗传算法结构编程，得到问题求解[3]。

1.2 编码方法

如何使用编码方案完善具体应用问题，是遗传算法主要研究方向，一般都是利用两条操作性较强的编码原则进行参考[4]。

1）二进制编码。二进制编码利用符号集{0,1}，其创建个体基因型为二进制符号串，长度和问题解精度具有密切关系。……