遗传算法研究综述

遗传算法(Genetic Algorithm ,GA )是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)

演化而来的随机搜索算法.它是由美国

M ichig an 大学的J.Ho lland 教授1975年首先提出,

利用基因变异、杂交,繁殖等手段,根据达尔文的适者生存,优胜劣汰的理论选择最优点进行变异和杂交,从而繁殖产生新的后代,这些都是建立在概率的基础之上.它尤其适用于处理传统搜索方法难以解决的复杂的和非线性的问题.如著名的TSP (巡回旅行商问题)、背包问题、排课问题等.

1遗传算法的特点[1-3]

遗传算法作为一种新型的、模拟生物进化过程的随机化搜索方法,在各类结构对象的优化过程中显示出比传统优化方法更为独特的优势和良好的性能:

1)搜索过程不直接作用在变量上,而是作用

于参数集进行了编码的个体上.此编码操作,使得遗传算法可直接对结构对象进行操作.

2)搜索过程是从一组解迭代到另一组解,采

用同时处理群体中多个个体的方法,降低了陷入局部最优解的可能性,并易于并行化.

3)采用概率的变迁规则来指导搜索方向,不

采用确定性搜索规则.

4)对搜索空间没有任何特殊要求,只利用适

应度信息,不需要其它辅助信息,适应范围更广.

5)对给定问题,可以产生许多的潜在解,最终

选择可以由使用者确定.

2遗传算法的基本术语[1-3]

遗传算法效法于自然选择的生物变化,是一种模仿生物进化过程的随机方法,因此下面几个关于生物学的基本概念与术语对理解遗传算法是非常重要的.

1)染色体

(chro moso me )是生物细胞中含有的一种微小的丝状化合物.它是遗传物质的主要载体,由多个遗传因子———基因组成.

2)遗传因子(g ene )DNA 或RNA 长链结构中占

有一定位置的基本遗传单位,也称为基因.

3)个体(individual )指染色体带有特征的实体,

在问题简化的情况下可代表染色体.

4)种群(po pulation )染色体带有特征的个体的

集合称为种群,该集合内个体数称为群体的大小.有时个体的集合也称为个体群.

5)进化(evolutio n )生物在其延续生存的过程

中,逐渐适应其生存环境,使得其品质不断得到改良,这种生命现象称为进化.生物的进化是以种群的形式进行的.

6)适应度(fitness )在研究自然界中生物的遗

传和进化现象时,生物学家使用适应度这个术语

收稿日期8

作者简介马永(5),男,山西大同人,在读硕士,助教,研究方向计算机应用遗传算法研究综述

马永,贾俊芳

(山西大同大学数学与计算机科学学院,山西大同037009)

摘

要:遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度有效的随机搜索算法.近年来,由于

遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注.本文介绍了遗传算法的主要特点、基本原理及其设计步骤,并指出了相关的研究方向.

关键词:遗传算法适应度遗传算子收敛中图分类号:TP301

文献标识码:A

文章编号:1674-0874(2007)03-0011-03

第23卷第3期山西大同大学学报(自然科学版)

Vol.23.No.32007年12月

Jo urnal of Shanx i Daton g Univ ersity(Natural Science)

Dec.2007

:2007-09-1:197-:.