遗传算法的综述

龙源期刊网 https://www.sodocs.net/doc/288133483.html,

遗传算法的综述

作者：张国民

来源：《科技视界》2013年第09期

【摘要】遗传算法是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的

人工智能技术，已广泛应用与计算机科学、人工智能、信息技术及工程实践。本文介绍遗传算法的基本工作原理和特点，讨论存在问题，分析遗传算法的研究现状。

【关键词】遗传算法；优化算法；收敛性

0 引言

遗传算法（Genetic Algorithm，简称GA）起源于对生物系统所进行的计算机模拟研究。

是由美国Michi遗传算法n大学的John Holland教授创建的，并于1975年出版了第一本系统论述遗传算法和人工自适应系统的专著《Adaptation in Natural and artificial Systems》。它提出的基础是达尔文的进化论、魏慈曼的物种选择学说和孟德尔的群体遗传学说：其基本思想是模拟自然界遗传机制和生物进化论而形成的一种过程搜索最优解的算法。遗传算法以其具有并行搜索、简单通用、鲁棒性强等优点，受到国内外学者的关注。自1985年以来，国际上已召开了多次遗传算法学术会议和研讨会，并组织了国际遗传算法学会。

1 遗传算法的基本原理

（1）编码：定义问题的解空间到染色体编码空间的映射，一般是用二进制将解空间编码成由0和1组成的有限长度字符串。一般一个候选解（个体）用一串符号表示。

（2）初始化种群：在一定的限制条件下初始化种群，该种群的解空间的一个子空间。算法将从初始化种群开始模拟优胜劣汰的选择过程，最后选择出优秀的群体和个体。

（3）设计适应度函数：将种群中的每一个染色体解码成适于计算机适应度函数的形式，并计算其数值。设计适应度函数的主要方法是将问题的目标函数转换成合适的适应度函数。

（4）选择：根据适应度大小选择优秀个体繁殖下一代，适应度越高，则被选中的概率也越大。选择是遗传算法的关键，它体现了自然界中适者生存的思想。

（5）交叉：随机选择两个用于繁殖下一代的个体的相同位置，在选中的位置进行交换。

（6）变异：对某个串中的某一位进行取反操作。变异模拟了自然界中偶然基因突变现象。

从步骤四开始重复进行，知道满足某一性能指标或者规定的遗传代数。