遗传算法的原理及其应用研究

刘佳丽 刘旭

【摘要】：本文在简要介绍了遗传算法的起源与发展的基础上，介绍了遗传算法的原理及其遗传算法在解决问题时的基本流程，对算法在组合优化、人工智能、多目标优化等领域的应用、现状及存在的问题进行了分析。

【关键词】：遗传算法；遗传算子；原理；应用

遗传算法GA（Genetic Algorithm）最初是由J.Holland教授于1975年提出。它是一种仿照达尔文生物进化过程的模型，用来随机搜索最优解。其主要特点是初始搜索不需要先验知识，具有简易灵活、全局并行搜索、鲁棒性强的优点。尤其适合解决规模大、非线性的多目标优化问题。

1 遗传算法的原理

遗传算法是在择优过程中留下有用的，淘汰无用的。通过选择、交叉和变异等操作实现。选择的作用是从当前种群中选取适应度较高的个体保留下来；交叉的作用是指交换两个编码之间的部分从而产生新的个体；变异则是保持多样性的重要途径，通过改变个体上某一位基因的值来获取新个体。通过遗传操作，产生新的优化的一代，并依赖适应度函数对其个体进行评估，保留优秀的个体，重复此过程，不断地择优淘劣，从而找到问题的最优解[1]。

2 遗传算法的实现

在实际的工程中，实际变量总是不能被遗传算法直接作用。因此，需利用编码将实际变量转变为能够直接处理的对象，在计算机任意或在一定约束条件下产生初始种群，依据适应度函数来评定种群中个体的好坏，并判断是否符合优化准则。接着如同自然界中一样，利用选择算子依据适应度的高低选择个体，再接下来的繁殖过程中，进行交叉、变异等操作，产生新的个体，反复上述操作，直到满足优化准则。进化过程中的最后一代的最优解即为优化的结果。

3 遗传算法的应用

3.1在计算机科学与人工智能方面

遗传算法在计算机科学与人工智能领域中的应用主要有数据挖掘、模式识别、数据库查询优化等。有王东龙等[2]基于遗传算法，针对大型商场管理系统进行了最优客户群体的数据挖掘。有张晗等[3]利用遗传算法对纵摇运动模式进行了识别，表明优化模型具有一定可行性。有潘潁等[4]利用遗传算法对分布式数据库查询进行优化，能获得更理想的查询优化方案。

3.2在多目标函数优化方面

利用遗传算法能有效求得多目标优化问题的Pareto最优解。有Cao K等[5]基于边界的快速遗传算法（BFGA）的启发式方法，基于经济效益、环境和生态效益、社会公平、转换成本、因地质宜性、生态适应性、可获得性，紧凑性和兼容性等多个目标和约束，以搜索具有的土地利用分配问题的最优解。丁胜祥等[6]基于Pareto强度进化算法，有效解决了水库的多目标优化调度问题。Li X等[7]基于遗传算法，将最大经济效益最大生态效益、最大适应性和最大的紧密度制定为目标，将住宅空间需求和一些监管知识被设定为制约因素，构建土地利用多目标优化模型。

3.3 在控制领域方面

遗传算法在控制领域方面的应用主要有系统参数识别、控制器参数优化等。有朱奕等[8]利用遗传算法完成了Bouc-Wen模型的参数识别，识别过程对类似模型的参数识别具有一定参考意义。有李晓芳等[9]运用自适应遗传算法，对航天器中隔振系统的参数进行了优化，结果表明，该算法具有较快的收敛速度，优化效果较好。有韩铖等[10]利用遗传算法对四旋翼飞行器最优控制系统进行了仿真，结果表明，此方法使得四旋翼飞行器具有良好的动态性能。

结束语

经过多年的发展，遗传算法逐渐被人们接受并应用到很多领域。但其仍存在一些问题，遗传算法在运行时容易陷入局部最优，不能有效搜索到全局最优解。遗传算法在处理规模较大的群体时，需要对大量个体进行适应度进行计算，导致运行速度很慢的问题。此外，遗传算子的参数难以控制，算法方向不好把握，因此如何提高算法的收敛速度和改善搜索能力，如何加强对遗传算法自身理论的研究，如何将遗传算法与其他智能算法更好的相结合使用将成为进一步的研究方向。

注释：

[1]马永杰， 云文霞. 遗传算法研究进展[J]. 计算机应用研究， 2012， 29（4）：1201-1206.

[2]王东龙， 李茂青. 基于遗传算法的数据挖掘技术应用[J]. 南昌大学学报（工科版）， 2005， 27（1）：81-84.

[3]张晗， 马建红. 基于遗传算法的纵摇运动模式识别模型分析[J]. 舰船科学技术， 2015， 37（11）：35-38.

[4]潘潁. 自适应遗传算法在分布式数据库查询优化中的应用[J]. 内蒙古师大学报（自然汉文版）， 2016， 45（1）：94-97.

[5] Cao K， Huang B， Wang S， et al. Sustainable land use optimization using Boundary-based Fast Genetic Algorithm[J]. Computers Environment & Urban Systems， 2012， 36（3）：257-269.

[6]丁勝祥， 董增川， 王德智，等. 基于Pareto强度进化算法的供水库群多目标优化调度[J]. 水科学进展， 2008， 19（5）：679-684.

[7]Li X， Parrott L. An improved Genetic Algorithm for spatial optimization of multi-objective and multi-site l and use allocation[J]. Computers Environment & Urban Systems， 2016， 59：184-194.

[8]朱奕， 章红梅. 基于遗传算法的钢筋混凝土剪力墙Bouc-Wen模型参数识别[J]. 结构工程师， 2016， 32（4）：58-65.

[9]李晓芳， 吴洪涛， 丁力. 基于自适应遗传算法的隔振系统参数优化计算[J]. 机械设计与制造工程， 2016， 45（6）：27-31.

[10]韩铖，张彦军. 基于遗传算法的四旋翼飞行器最优控制[J/OL]. 电光与控制，：1-9（2017-09-14）.