发布时间 : 星期一 文章一种高效的改进遗传算法更新完毕开始阅读9ecc2705cd22bcd126fff705cc17552707225ee1
龙源期刊网 http://www.qikan.com.cn
一种高效的改进遗传算法
作者：王宏旭
来源：《科技传播》2013年第14期
摘 要 在应用遗传算法解决优化问题时，常常发生过早收敛现象，从而影响算法的优化性能。为了解决这一问题，分析了产生此类问题的原因，并针对其主要原因对经典遗传算法的选择、交叉算子做了改进，使得改进后的算法可以有效保持种群多样性，从而提高了算法的稳定性和准确性；最后通过与经典算法的对比实验，证实了改进算法的有效性。 关键词 遗传算法；交叉算子；选择算子
中图分类号O29 文献标识码A 文章编号 1674-6708（2013）95-0127-02 0 引言
遗传算法（Genetic Algorithm）为基于生物基因呈现的进化发展规律特征而应用的搜索方法。它的概念是由Bagley J.D在1967年提出的，而系统性研究是由美国的J.Holland教授1975年所实行。遗传算法通过模拟处理，将相关问题形成类似生物进化发展的阶段，并利用复制、过程、突变以及交叉操作得到相关结果。令适应度函数量有限的求解剔除出去，并扩充进适应度函数总量较高的求解数值，通过该类进化过程发展至n代以后，便会进化形成适应度函数量值高水平的优质个体。
遗传算法应用将可以应对解决问题的所有方法作为对象，其进化规律之中包括三类遗传算子。即选择、变异以及交叉算子。通过这些算子持续进化产生新的方法，最后收敛求出最优方法。
其中选择算子可对各类应对处理问题的实践方式作出比选，优选获胜个体，并将质量低劣的个体进行剔除。在一些应用场景，还可将其称作再生算子。
遗传算法中的选择算子基于创建个体适应性评估为根本，被选择的机率同适应值成正比，即适应值高的个体选择机率越大，从而尽可能的保留优化方法，淘汰劣等方法。当前，普遍应用的选择算子包括以下几类，即适应度比例手段、随机进行遍历抽样以及局部优选方式。 交叉算子通过基于相应的百分比例，就两个以及大于两个个体之中一部分同样方位结构展开重组，进而形成新的操作方式。其在遗传算法应用之中起到重要核心作用，也是遗传算法的主体特征。经过交叉，大大提升了该算法评估搜索的综合效能。
变异算子即应用变异运算，基于相应的比率范畴，就不同个体编码串中的某些基因值进行改变，从而得到新的个体。变异算子具有局部搜索能力，在遗传算法中作为辅助算子，决定了