刘萍 俞焕

（陆军炮兵防空兵学院 合肥 230031）

1 引言

遗传算法（Genetic Algorithm，GA），是自然启发式算法（heuristic algorithm）中较为经典的一种算法，最早于二十世纪六十年代由密歇根大学的John Holland提出［1］。顾名思义，遗传算法就是依据自然界中生物遗传与进化的过程来设计实现的算法［2］。随着时代的进步与科技的发展，计算机的性能得到质的提升，遗传算法也开始从理论层面逐渐进入实际应用领域。作为一个可以有效解决复杂优化问题的框架式算法，遗传算法在学者的深入研究下变得越来越丰富，并被广泛地适用于计算科学、商业、农业等多个领域。

2 遗传算法

遗传算法借鉴自然界生物的进化方式，将生物进化的过程算法化，并在计算机上进行模拟实现，从而用来解决实际领域中的优化问题，是一种可以避免限于局部最值的全局搜索算法。它会随机生成不同种类的问题解决方案，并依据适者生存的原则，选择更有利于解决问题的方案，通过遗传与变异进一步进行方案的迭代与优化，类似于自然界中的生物进化。正是其初始选择方案的随机化，加上遗传中不断进行的变异，使得其可以跳出局部最优的困境，适合用于进行全局的搜索与优化。

2.1 遗传算法的原理

遗传算法是一种建立在达尔文进化论基础上的算法，适合用来解决复杂问题的优化，具备自我学习、自我适应、自我优化的优点［3］。遗传算法的基本原理为［4］：它是把求解问题的方案抽象编码到染色体，一个染色体对应一个解决方案。……