遺傳算法的原理及其應用研究

劉佳麗 劉旭

【摘要】：本文在簡要介紹了遺傳算法的起源與發(fā)展的基礎上，介紹了遺傳算法的原理及其遺傳算法在解決問題時的基本流程，對算法在組合優(yōu)化、人工智能、多目標優(yōu)化等領域的應用、現狀及存在的問題進行了分析。

【關鍵詞】：遺傳算法；遺傳算子；原理；應用

遺傳算法GA（Genetic Algorithm）最初是由J.Holland教授于1975年提出。它是一種仿照達爾文生物進化過程的模型，用來隨機搜索最優(yōu)解。其主要特點是初始搜索不需要先驗知識，具有簡易靈活、全局并行搜索、魯棒性強的優(yōu)點。尤其適合解決規(guī)模大、非線性的多目標優(yōu)化問題。

1 遺傳算法的原理

遺傳算法是在擇優(yōu)過程中留下有用的，淘汰無用的。通過選擇、交叉和變異等操作實現。選擇的作用是從當前種群中選取適應度較高的個體保留下來；交叉的作用是指交換兩個編碼之間的部分從而產生新的個體；變異則是保持多樣性的重要途徑，通過改變個體上某一位基因的值來獲取新個體。通過遺傳操作，產生新的優(yōu)化的一代，并依賴適應度函數對其個體進行評估，保留優(yōu)秀的個體，重復此過程，不斷地擇優(yōu)淘劣，從而找到問題的最優(yōu)解[1]。

2 遺傳算法的實現

在實際的工程中，實際變量總是不能被遺傳算法直接作用。因此，需利用編碼將實際變量轉變?yōu)槟軌蛑苯犹幚淼膶ο螅谟嬎銠C任意或在一定約束條件下產生初始種群，依據適應度函數來評定種群中個體的好壞，并判斷是否符合優(yōu)化準則。接著如同自然界中一樣，利用選擇算子依據適應度的高低選擇個體，再接下來的繁殖過程中，進行交叉、變異等操作，產生新的個體，反復上述操作，直到滿足優(yōu)化準則。進化過程中的最后一代的最優(yōu)解即為優(yōu)化的結果。

3 遺傳算法的應用

3.1在計算機科學與人工智能方面

遺傳算法在計算機科學與人工智能領域中的應用主要有數據挖掘、模式識別、數據庫查詢優(yōu)化等。有王東龍等[2]基于遺傳算法，針對大型商場管理系統進行了最優(yōu)客戶群體的數據挖掘。有張晗等[3]利用遺傳算法對縱搖運動模式進行了識別，表明優(yōu)化模型具有一定可行性。有潘潁等[4]利用遺傳算法對分布式數據庫查詢進行優(yōu)化，能獲得更理想的查詢優(yōu)化方案。

3.2在多目標函數優(yōu)化方面

利用遺傳算法能有效求得多目標優(yōu)化問題的Pareto最優(yōu)解。有Cao K等[5]基于邊界的快速遺傳算法（BFGA）的啟發(fā)式方法，基于經濟效益、環(huán)境和生態(tài)效益、社會公平、轉換成本、因地質宜性、生態(tài)適應性、可獲得性，緊湊性和兼容性等多個目標和約束，以搜索具有的土地利用分配問題的最優(yōu)解。丁勝祥等[6]基于Pareto強度進化算法，有效解決了水庫的多目標優(yōu)化調度問題。Li X等[7]基于遺傳算法，將最大經濟效益最大生態(tài)效益、最大適應性和最大的緊密度制定為目標，將住宅空間需求和一些監(jiān)管知識被設定為制約因素，構建土地利用多目標優(yōu)化模型。

3.3 在控制領域方面

遺傳算法在控制領域方面的應用主要有系統參數識別、控制器參數優(yōu)化等。有朱奕等[8]利用遺傳算法完成了Bouc-Wen模型的參數識別，識別過程對類似模型的參數識別具有一定參考意義。有李曉芳等[9]運用自適應遺傳算法，對航天器中隔振系統的參數進行了優(yōu)化，結果表明，該算法具有較快的收斂速度，優(yōu)化效果較好。有韓鋮等[10]利用遺傳算法對四旋翼飛行器最優(yōu)控制系統進行了仿真，結果表明，此方法使得四旋翼飛行器具有良好的動態(tài)性能。

結束語

經過多年的發(fā)展，遺傳算法逐漸被人們接受并應用到很多領域。但其仍存在一些問題，遺傳算法在運行時容易陷入局部最優(yōu)，不能有效搜索到全局最優(yōu)解。遺傳算法在處理規(guī)模較大的群體時，需要對大量個體進行適應度進行計算，導致運行速度很慢的問題。此外，遺傳算子的參數難以控制，算法方向不好把握，因此如何提高算法的收斂速度和改善搜索能力，如何加強對遺傳算法自身理論的研究，如何將遺傳算法與其他智能算法更好的相結合使用將成為進一步的研究方向。

注釋：

[1]馬永杰， 云文霞. 遺傳算法研究進展[J]. 計算機應用研究， 2012， 29（4）：1201-1206.

[2]王東龍， 李茂青. 基于遺傳算法的數據挖掘技術應用[J]. 南昌大學學報（工科版）， 2005， 27（1）：81-84.

[3]張晗， 馬建紅. 基于遺傳算法的縱搖運動模式識別模型分析[J]. 艦船科學技術， 2015， 37（11）：35-38.

[4]潘潁. 自適應遺傳算法在分布式數據庫查詢優(yōu)化中的應用[J]. 內蒙古師大學報（自然漢文版）， 2016， 45（1）：94-97.

[5] Cao K， Huang B， Wang S， et al. Sustainable land use optimization using Boundary-based Fast Genetic Algorithm[J]. Computers Environment & Urban Systems， 2012， 36（3）：257-269.

[6]丁勝祥， 董增川， 王德智，等. 基于Pareto強度進化算法的供水庫群多目標優(yōu)化調度[J]. 水科學進展， 2008， 19（5）：679-684.

[7]Li X， Parrott L. An improved Genetic Algorithm for spatial optimization of multi-objective and multi-site l and use allocation[J]. Computers Environment & Urban Systems， 2016， 59：184-194.

[8]朱奕， 章紅梅. 基于遺傳算法的鋼筋混凝土剪力墻Bouc-Wen模型參數識別[J]. 結構工程師， 2016， 32（4）：58-65.

[9]李曉芳， 吳洪濤， 丁力. 基于自適應遺傳算法的隔振系統參數優(yōu)化計算[J]. 機械設計與制造工程， 2016， 45（6）：27-31.

[10]韓鋮，張彥軍. 基于遺傳算法的四旋翼飛行器最優(yōu)控制[J/OL]. 電光與控制，：1-9（2017-09-14）.