尚一猛　周桂红　闫安　郭晓颖　张国磊

摘 要 遗传算法是模拟达尔文生物进化论中的自然选择与遗传学机理的生物过程的一种计算模型。该模型通过模拟自然进化过程来搜索最优解，其应用非常广泛。但是在运用遗传算法的过程之中经常遇到过早收敛的问题，为了改进该问题，在文中对遗传算法进行了介绍，并在此基础上就如何改进过早收敛进行探讨。

关键词 遗传算法；过早收敛；改进

中图分类号 TP18 文献标识码 A 文章编号 2095-6363（2017）15-0023-01

遗传算法（Genetic Algorithm，GA）是自然科学与工程科学互相结合的产物，是一类借鉴达尔文自然选择机理（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。

遗传算法求解优化问题的性能与交叉概率（Pc）、变异概率（Pm）等参数的选择有着很大的联系。本文基于传统思路，对GA的交叉概率和变异概率参数进行自适应控制，对过早收敛问题进行了适当优化。

1 遗传算法综述

1.1 遗传算法思想

通常来说，遗传算法包括三个算子，即选择、交叉和变异。选择算子的作用是为了提升整个群体的平均适度值，在整个群体中选择那些评价值高的个体组成交配池的主要群体： 交叉算子的主要作用是选择交配池中的优良基因遗传给下一代，先将交配池中个体进行两两配对，再有目的的交换部分基因，生成基因性状更加复杂的个体；变异算子是对个体某一个或是几个按照某一较小的概率进行反转二进制字符。从而实现对自然界中基因突变现象的模拟。……