浅述基于遗传算法的枪弹智能设计

2020-09-06张文晶

科学与信息化 2020年23期

摘要所谓智能系统，就是一个计算机通过某个领域的权威人士所提供的知识与经验，自己可以进行一系列的推理与判断，从而解决一些复杂的问题的计算机智能系统。但简单的智能系统本身可能存在着些许不足，例如运行速度慢、达不到最优解等问题。本篇文章将把遗传算法添加到该智能系统中去，从而可以达到改进传统智能系统设计的不足之处的目的，并设计出更加智能的枪弹设计系统。

关键词遗传算法;智能系统;优化设计

1遗传算法的基本思想

在自然界中，生物必须经过一系列的进化和遗传才能繁衍生息，遗传算法正是利用这种自然界中的生存法则而演变而生的。达尔文进化论里面所提到的“物竞天择，适者生存”这一自然法则是大家都熟知的，遗传算法就是利用了这个法则。人们是通过达尔文和孟德尔提出的遗传演变才归纳总结出遗传算法的基本思想的。达尔文进化论里面提到了适者生存的这样一种理念，即他认为不管每一代种群都是应该朝着向前的方向进化，只会变得越来越适应生存，否则就会被大自然淘汰掉。并且每个个体都会延续前一代留下来的特性，但不是全部的特性都会得到延续和继承，同时还会进化出一些新的更适应自然的特性，最后只有这些使生物个体可以适应生存的特性才会被保留下来。

通俗一点来说，遗传算法的实现可以分为这样几个步骤：首先对个体进行编码并生成初始种群;其次计算把种群适应度函数计算出来;最后根据需要再进行选择运算，交叉运算和变异运算等等。对个体进行编码（把编码的每一位都称为一个基因），把这些基因进行随机的排列组合来表示遗传个体，也就是初始种群。当产生初始群体之后，一般用目标函数值的线性函数进行适应度判断，一般用适应度来判断这个个体的优劣情况以决定其遗传概率，适应度越高，基因越好，越有可能遗传给下一代[1]。

遗传算法具有以下特点：遗传算法是对参数的集合进行编码而不是对参数本身进行进化;遗传算法是从问题解的编码组开始而非从单个解开始搜索;遗传算法是利用目标函数的适应度这一信息而不是利用导数或者其他辅助信息来指导搜索;遗传算法是利用选择、交叉、变异等算子来进行计算而不是利用确定性的规则进行随机操作的。

2基于遗传算法的智能系统设计

在智能系统的推理过程中，我们通常会先给出几个假设，但验证同一个假设的路径有很多条，如果我们对每一条路径都要进行运算，那么就会导致运行效率低下，费时费力。所以为了更好地解决这一困难，采用了遗传算法的推理方法，具體的操作方法如下：

首先对我们所做的每一个假设的每一条路径都做出编码，并在所做的假设中随机的选择出一条路径，将这个路径作为一个个体，把这些个体的集合作为我们的初始种群。

将每一个个体结论的可信度模糊区间值计算出来，并用前者减去后者，将所得的这个差值作为每个个体的适应度函数，将他们的和作为整个基因组的适应度函数。

从复制、交叉选择和变异这些算子中选择一个比较合适的遗传算子，对父代进行繁衍并产生后代，淘汰掉父代中适应度较低的个体。与此同时，将子代的适应度函数计算出来，使父代中留下的个体与子代中适应值较高的个体结合成新的一代种群。若已经达到了设定的繁衍代数或者算法已经收敛，则将该基因串适应度最高的个体进行解码，输出即可，否则继续进行繁衍[2]。

3枪弹智能设计系统

要设计出一套功能完备和界面友好的枪弹智能系统，该系统必须集结构设计、校核计算和弹形修改于一体，具体操作方法如下：

3.1 设计树与设计规则提取

大量查阅相关资料和文献，整理出枪弹智能设计系统的基本架构，综合分析影响枪弹性能的因素与枪弹本身之间的联系后，总结出枪弹设计树，并根据枪弹设计树提取出枪弹设计规则。

3.2 性能校核计算

校核已经设计好的弹形，并根据校核计算出的数据对不满足设计条件的弹形进行修改。

3.3 修改方案设计

这一操作在整个设计过程中起到了至关重要的地步，它和性能校核计算相辅相成，需要边修改，边校核，再修改，直到达到目标为止。

4结束语

本文的枪弹智能设计系统在传统专家系统的基础上结合了遗传算法，可以在一定程度上改善了原本专家系统的运行性差的缺点，可以在很大程度上降低专家系统在表达知识上的难度，可以很大程度上提高专家系统的运行速度，从而可以得到最优化的枪弹设计结果。

参考文献

[1] 沈大旺，张慧.遗传算法综述[J].科学技术，2009（28）：100.