崔明义

CUI Mingyi

1.河南财经政法大学 计算机与信息工程学院，郑州450046

2.郑州成功财经学院 信息工程系，郑州451200

1.School of Computer&Information Engineering,Henan University of Finance and Law,Zhengzhou 450046,China

2.Department of Information Engineering,Zhengzhou Chenggong University of Finance and Economics,Zhengzhou 451200,China

1 引言

遗传算法（Genetic Algorithm，GA）正得到越来越广泛的应用。编码问题是遗传算法研究的热点和难点之一[1]。在遗传算法的诸多编码中，浮点数编码（Floating Point Representation，FPR）具有精度高、便于高维大空间搜索的优点，越来越受到研究者的重视。浮点数编码在函数优化和约束优化领域明显有效于其他编码，这已被得到了广泛的验证[2-5]。在遗传操作环境中，浮点数编码将会产生“噪音”，这些“噪音”影响着遗传算法的性能，有时甚至会影响算法的收敛性。近几年，已有学者关注这些问题，开始研究浮点数编码噪音的性质和对遗传算法性能影响的机理，并提出了相应的解决办法，取得了一定的效果[6-7]。文献[8]对浮点数编码遗传算法（Floating Point Representation Genetic Algorithm，FPRGA）进行了改进，取得了明显的效果。Viviana Cocco Mariani[9]用元启发式算法构造了修正混合复杂进化方法，改进了算法的搜索性能，但它尚未对浮点数编码的“噪音”进行分析，更没有考虑“噪音”对算法性能的影响。Yourim Yoon[10]提出了一种新的交叉操作符，以改进算法的性能，但它仅仅是改进了交叉操作的编码延伸范围，既没有考虑编码“噪音”，也没有研究编码的变异操作对算法的影响。Dongxia Chang[11]提出了一种基于消息相似度的遗传聚类算法，它在一种可变长度的浮点数编码遗传算法中，用消息相似度评价个体，实现优化和聚类；但它并没有考虑编码“噪音”对消息相似度的影响，更没有消噪变异。Ping-Hung Tang[12]提出了在遗传算法中，对浮点数编码适应直接变异操作，以解决复杂函数优化问题；……