范文广

（安徽国防科技职业学院,安徽六安 237011）

遗传算法（Genetic Algorithm又称GA）是借鉴生物遗传学和自然选择机理的一类优化搜索算法。它不同于传统的数学模型,主要适用于非线性等复杂问题的解决,同时通过进化计算和遗传算法操作,使种群达到优化状态。

1 遗传算法的特点

遗传算法[1]是通过选择、遗传、变异等操作及适者生存的理论,利用简单的编码技术和繁殖机制来描述较复杂的现象,以达到解决非常困难问题的目的,能从多极值、离散的、含噪音的多维问题中搜索到最优解,非常适用于规模较大的并行计算。目前广泛应用在机器学习、并行处理等领域。但它并不能确保问题的答案是最佳的,只是将误差控制在一定的范围内。

遗传算法不是针对参数本身进行进化,而是对参数形成数据集合的编码,将问题结构变换为有限字符串形成编码,然后模仿生物遗传对其进化处理,减少约束条件的限制,优化了计算。

遗传算法具有并行性,它组织搜索是从问题解的种群开始并可以同时向不同的方向,不是从单个解开始。因而可以对多个区域进行搜索,避免了陷入局部最优解而无法跳出的局面。

遗传算法的搜索由问题的适应度函数来指导,不需要外部的辅助信息,不象其它方法需要类似导数值等辅助信息,从而有效地提高了搜索效率。

遗传算法采用了选择、交叉和变异等操作而不是用确定性规则进行随机操作,使搜索过程更具有灵活性和鲁棒性。……