优化遗传算法的运行参数

GA中需要选择的运行参数主要有个体编码串长度l、群体大小M、交叉概率Pc、变异概率Pm、终止代数T、代沟G等。其选取的一般规则如下:

(1)编码串长度l。使用二进制编码来表示个体时，编码串长度l的选取与问题所要求的求解精度有关；使用浮点数编码来表示个体时，编码串长度l与决策变量的个数n相等；使用符号编码表示个体时，编码串长度l由问题的编码方式确定；另外，也可以使用变长度的编码表示个体。

(2)群体大小M。群体大小M表示群体中所含个体的数量。当M取值较小时，可提高GA的运算速度，但却降低了GA的多样性，有可能会引起早熟现象；而当M取值较大时，又会使GA的运行效率降低。一般建议的取值范围为20～100。

(3)交叉概率Pc。交叉概率一般取值较大，但过大容易破坏群体中的优良模式，若过小则产生新个体的速度较慢，一般建议取值范围为0.4～0.99。另外，也可以使用自适应的思想来确定交叉概率。(www.xing528.com)

(4)变异概率Pm。变异概率较大时，可能破坏较好的模式；太小则不利于产生新个体和抑制早熟现象，一般建议范围为0.000 1～0.1。另外也可以使用自适应的思想来确定变异概率。

(5)终止代数T。一般建议取值范围为100～1 000，它还可以利用某种判定准则，判定出当群体已经进化成熟且不再有进化趋势时就可以终止算法的运行过程。常用的判定准则有两种:①连续几代个体平均适应度的差异小于某一个极小的阈值；②群体中所有个体的适应度的方差小于某一个极小的阈值。

(6)代沟G。代沟G是表示各代群体之间个体重叠程度的一个参数，它表示每一个群体中被替换掉的个体在全部个体中所占的比例。