张耀允，谭振江，周伟，方大甲

（1 吉林师范大学 计算机学院，吉林 四平 136000；2 吉林师范大学 数值模拟吉林省高校重点实验室，吉林 四平 136000；3 吉林师范大学 附属机构，吉林 四平 136000）

0 引言

遗传算法［1］（Genetic Algorithm，GA）是一种模拟自然界进化规律的数学计算模型。通过模拟自然界繁衍过程中优秀的父代母代相交，得到更优秀子代的方法，同样是对“自然选择，适者生存”原则的仿真过程。

该算法的主要特点是个体单元的选择和相应个体信息的交换和交集。与普通的搜索算法不同，遗传算法从种群的初始解开始搜索过程［2］。其是一种建立在自然选择学说和自然界遗传机制基础上的搜索算法。该算法模拟了自然界中生物的整个繁殖、杂交和有较小概率会发生的突变过程。一个待优化问题的每一个可能解决方案都被编码为一个“染色体”，也就是一个个体。每个个体在迭代过程中的不断更新并保留前代优秀部分的过程称为遗传。个体的优缺点通常采用适应度值来评价。算法开始后随机生成一些初代，也就是初始解，通过适应度函数，筛选出评价较高的个体进行繁衍，而评价较差的个体则会被慢慢淘汰，则新产生的这一代的个体，在表现上理应优于上一代，因为其继承了上一代的一些优秀品质。通过这种方式，逐渐走向一个相对较好的方向，问题的解也就慢慢趋向一个最优解。此算法的优点在于原理操作较为简单，鲁棒性强，不易受限制条件的约束，具有一定的隐含并行性和较强的全局寻优能力［3］。……