齐金奎

(绍兴市第一水利生态建设有限公司,浙江 绍兴 312000)

1 研究方法

1.1 遗传算法

遗传算法(Genetic Algorithm，GA)是由美国Michigan大学的John H.Holland于20世纪60年代末到70年代初受生物进化论启发而提出的，其来源于自然界生物进化过程，通过自然的选择淘汰、遗传、变异进化，最终产生能够适应环境变化的合适个体。遗传算法是在生物自然选择和遗传基础上进行随机搜索的一种有效算法，其具有较强的鲁棒性、自适应性和高效性。

遗传算法在工程领域得到广泛应用，模型的优化问题目标为：

(1)

式中：f为优化准则函数；C={cj}为模型p个待优化参数；[aj,bj]为cj的初始变化区间；X为模型N维输入向量；Y为模型M维输入向量；F为般非线性模型，即F：RN→RM；‖‖为取范数；q为实常数，如q取1时为最小一乘准则，q取2时为最小二乘准则，等等，根据实际模型进行设定。

在设计遗传算法时，常从以下几方面设计：染色体编码方式、种群初始化、确定适应度函数、选择、交叉、变异和算法停止准则。遗传算法流程图，如图1所示。

图1 遗传算法流程

步骤1：二进制编码。遗传算法中对染色体编码方式的选择十分重要，它也是设计染色体的关键。染色体的结构是由其编码方式决定的，而且染色体的编码方式也会对后续遗传产生重大影响。通常在选择染色体的编码方式时，要充分考虑到所研究问题的性质，它将直接影响编码方式，进而影响到整个模型的求解效率。常用的编码方式有实数编码和二进制编码[1]。二进制编码是使用二进制字符0和1的长字符串来表示传统的实数值。……