遺傳算法的原理及應用研究

金靖喆

摘 要： 遺傳算法（Genetic Algorithms，簡稱GA）是人工智能的重要新分支，是基于達爾文進化論，在計算機上模擬生命進化機制而發展起來的一門新學科。它根據適者生存、優勝劣汰等自然進化機制來進行搜索計算和問題求解。本文主要介紹遺傳算法的原理，包括其定義及其實現步驟，以及遺傳算法的研究現狀和未來發展趨勢。

關鍵詞： 遺傳算法;研究現狀;發展

1. ?引言

遺傳算法在上世紀70年代由美國J.H.Holland博士提出的時候，并沒有引起學術界的關注，因而發展比較緩慢。從20世紀80年代中期開始，隨著人工智能的發展和計算機技術的進步，遺傳算法逐漸成熟，應用日漸增多，不僅應用于人工智能領域（如機器學習和神經網絡），也開始在工業系統中得到成功應用，顯示出了誘人的前景[1]。

2. ?遺傳算法簡介

遺傳算法仿照自然進化過程來實現對最優解的進行尋找的方法，它應用了達爾文進化論中的選擇與變異的原理。先進行定向的選擇，再進行不定向的變異，根據能體現目標的適應度函數，來體現每一代個體的適應度，從而進行選擇操作，然后再進行遺傳迭代，產生帶有新的基因組合的個體。

2.1遺傳算法的步驟

1） 將決策變量進行編碼

2） 設定適應度函數

3） 獲得初始種群

4） 迭代計算

5）得到理想解

遺傳算法的過程，其實就是一種類似生物學中生物進化的過程，在遺傳算法中的每一代，根據問題域中個體適應度大小挑選個體，并借助遺傳算子進行組合交叉和主客觀變異，進化出代表新的解集的種群。這一過程循環執行，直到滿足優化準則為止。最后，末代個體經解碼，生成近似最優解[2]。

2.2遺傳算法的特點

通過了解遺傳算法的基本步驟，我們可以總結出遺傳算法的幾個特點：

1.遺傳算法以參數的編碼集作為運算對象，并且在執行搜索過程中，不受優化函數連續性及其導數求解的限制，因而具有很強的通用性。

2.遺傳算法直接使用由目標函數確定的適應度函數信息，以群體為單位執行搜索過程，加快搜索到適應度較好的搜索空間，因而具有較強的全局搜索能力。

3.遺傳算法簡單通用，普適性強，易于與其他算法結合構成混合智能算法，并且該算法具有很強的魯棒性，因而在眾多領域得到了廣泛的應用。

3. 遺傳算法的研究現狀

3.1遺傳算法的應用

遺傳算法具有很強的全局搜索能力，通用性強，魯棒性高，因而被廣泛應用于很多領域，下面簡要介紹一些主要的應用領域：

（1）函數優化

（2）調度問題

（3）圖像處理

（4）自動控制領域

（5）機器學習

（6）社會與經濟領域

（7）人工智能與科學計算

3.2遺傳算法的改進

為了克服遺傳算法容易出現的早熟現象和局部收斂等問題，對遺傳算法中種群初始化以及選擇、交叉和變異等遺傳操作的改進，始終是遺傳算法研究的熱門課題。秦廣軍提出了基于多種群的改進方法。王璇將遺傳算法與粒子群算法和人工免疫算法相結合形成混合遺傳算法。黃江波等在算法中設計了自適應的交叉概率和變異概率函數。這些都是遺傳算法的改進策略，并收到了良好的效果[3][4]。

4、遺傳算法的未來發展趨勢

結合以上對比分析可知，遺傳算法的研究已經從理論方面逐漸轉向應用領域;機器人學及圖像處理也在逐漸成為研究的熱點。

多智能體進化，免疫進化計算、粒子群遺傳算法是這幾年研究比較多的題目，對傳統遺傳算子的改進也是討論比較多的話題。隨著應用的不斷深入，協同進化算法是在進化算法的基礎上，通過考慮種群與環境之間、種群與種群之間在進化過程中的協調關系提出的一類新的進化算法，目前遺傳算法已經成為當前進化計算的一個熱點問題[5]。

5、結束語

從某種角度來說，遺傳算法的研究是從進化生物科學的角度建立起來的，現如今，遺傳算法通過理論已經證明，問題的最優解可以通過概率手段以隨機的方式最終求得。因此，調度問題與分配問題將會是遺傳算法未來主要的的研究方向。

參考文獻

[1] 水勇.遺傳算法的研究與應用[J].軟件，2014，35（3）：107.

[2] 李國煌.遺傳算法的改進及其應用[J].華北電力大學碩士論文，2016，03.

[3] 崔姍姍.遺傳算法的一些改進及其應用[J].中國科學技術大學碩士論文，2010，05.

[4] ?DEBREUVE E，GASTAUD M，BARLAUD M，et al. Using the shape gradient for active contour segmentation： from the continuous to the discrete formulation[J]. Mathematical Imaging and Vision，2007，28（ 1） ： 47-66.

[5] Sridevi T.， Fatima S.S. Digital image watermarking using genetic algorithm in DWT and SVD transform [J]. ?Computational Intelligence and Information Technology， 2013， Page（s）：485-490.