□文/刘晓霞 窦明鑫

（1.河北金融学院；2.中国地质大学长城学院 河北·保定）

引言

遗传算法（GA）由美国Michigan大学的Holland教授于1975年首先提出，后经De Jong、GoldBerg等人改进推广，广泛应用于各类问题。它是一种模拟自然界生物进化过程与机制的全局概率优化搜索方法。在经典的遗传算法中，种群的规模始终是固定不变的，这与实际的生物进化过程不符。在人类或其他生物进化的过程中，种群的规模的发展是有其一定的规律的，不可能固定不变。随着人类或其他生物对环境的适应度的提高，种群的规模也在逐步调整。经典的遗传算法采用固定的种群规模，使得种群不能根据其总体适应度来动态地调节其规模，不能很好解决全局收敛和收敛速度间的突出矛盾，在很大程度上影响了遗传算法的收敛速度和解的质量。

本文主要通过实验研究种群规模（PS）对遗传算法性能:进化代数（EGN）、收敛时间（CT）和全局搜索能力（GSC）的影响。通过四个经典函数的测试，结果表明种群规模对遗传算法各个性能的变化均有上升或下降的变化。

表1 测试函数定义

从直观上看，当种群规模增大时，算法的计算时间，也就是收敛时间将会增大；而种群规模如果增大了，那么算法收敛到最优解的可能性就会增大，即全局搜索能力会增强；再者，当种群规模增大了，在解空间中搜索时，可以在相对较少的代数中找到最优解，那么进化代数也随着种群规模的增大而变小了。

一、算法步骤

Step2.利用适应度函数来评价个体适应度；……