改进标准遗传算法的方法介绍

标准遗传算法至今仍是国内外遗传算法应用中常用的实现方案，标准遗传算法由二进制编码、随机产生初始群体、个体适应度评价、比例选择算子、单点杂交算子、随机位变异算子和进化迭代共7个步骤组成[27]。大量的理论和应用研究表明，标准遗传算法存在的主要问题有[2，148]：

（1）标准遗传算法的拓扑结构尚未统一。群体规模、选择方式、杂交方式、变异方式、收敛判据和其他算法控制参数均需经验确定，易出现早熟收敛。

（2）标准遗传算法的全局优化性能部分来自于初始群体的随机生成和杂交算子，但由于群体的有限性与解空间的高维性之间的矛盾，使得搜索的全局性受到很大限制。另外，由于变异概率一般较小，使得这些少量变异新个体会被大量老个体迅速“同化”，因此标准遗传算法的全局搜索能力十分有限。特别是较小的群体规模和选择操作不可避免地使标准遗传算法存在“近亲繁殖”、早熟收敛。

（3）标准遗传算法适于解决缺乏解析知识、复杂、有噪声的动态系统，目前更适于求解组合优化问题，对实变量优化问题不太适合。(www.xing528.com)

（4）标准遗传算法的计算精度受编码长度控制，为得到所需精度的解通常需要耗费比较长的计算时间，对解空间的大小变化缺乏适应性。为完善标准遗传算法理论基础和拓宽其应用领域，迫切需要对标准遗传算法进行多方面的改进[2，148，149]。

实际上，遗传算法是优化计算的一种方法论，它提供的只是一种算法框架[2，22，149]，在该框架的每一步中，都可有多种不同的实现方法，从而可构成多种不同格式的遗传算法实现方案，标准遗传算法只是遗传算法最早实现的一种经典格式。换言之，在标准遗传算法各步骤中都可有不同的替代方案和改进方式来提高标准遗传算法的求解效率，以更好地解决各种复杂的实际问题。鉴于此，已经出现了许多针对标准遗传算法的各种改进方式[1]，主要包括改进编码方式、改进初始群体的生成方式、改进适应度函数的定义方式、改进选择算子、改进杂交算子、改进变异算子、改进父代更新方式、改进算法控制参数的设置、引进新的遗传算子、改进算子的执行方式、增强标准遗传算法搜索过程的方向性、标准遗传算法与其他算法的结合、改进算法的终止条件等。