遗传算法综述

遗传算法综述

作者：王宏杰 魏先峰 薛周建 彭 丹 来源：《科技经济市场》2008年第06期

摘要：近年来遗传算法越来越广泛地受到世界各国学者的关注，本文简述了遗传算法的发展、特点及其应用。

关键词：遗传；搜索；遗传算法 1引言

遗传算法（Genetic Algorithm，缩写为GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。它是由美国的J.Holland教授1975年首先提出来的，近年来，由于遗传算法求解复杂优化问题的巨大潜力和工程等领域的成功应用，受到了国内外学者的广发关注。

2遗传算法的发展

早在上个世纪40年代，就有学者开始研究如何利用计算机进行生物模拟的技术，他们从生物学的角度进行了生物的进化过程模拟、遗传过程模拟等研究工作。进入60年代后，美国密执安大学的Holland教授及其学生们受到这种模拟技术的启发，创造出了一种基于生物遗传和进化机制的适合于复杂系统优化计算的自适应概率优化技术---遗传算法。

进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑都给遗传算法增添了新的活力。遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。

3遗传算法的特点

龙源期刊网 http://www.qikan.com.cn

GA是一种利用自然选择和进化思想在高维空间中寻优的方法，它不一定能寻得最优点，但是它可以找到更优点。因此GA可能会暂时停留在某些非最优点上，直到变异发生使它跃居到另一个更优点上。GA寻优过程的一个重要特点是它始终保持整个种群的进化，这样即使某个体在某时刻丧失了有用的特征，这种特征也会被其他个体所保留并延续发展下去。由于GA仅需知道目标函数的信息，而不需要其连续可微等要求，因而具有广泛的适应性。同时它又是一种采用启发性知识的智能搜索算法，所以往往能在搜索空间高度复杂的问题上取得比其他算法更好的效果。

尽管如此，遗传算法也有不足：一是容易过早收敛，这样就会使其它个体中的有效基因不能得到有效复制，最终丢失；二是在进化后期染色体之间的差别极小，整个种群进化停滞不前，搜索效率较低，这样就会导致搜索到的结果不是全局最优解。

4遗传算法的发展动向

GA在应用方面的丰硕成果，使人们对它的发展前景充满信心。其主要应用领域在于函数优化，机器人学，控制，设计、组合优化、图象处理、信号处理、人工生命等领域。 另外遗传算法的研究出现了几个引人注目的新动向： 4.1基于遗传算法的机器学习。

这一新的研究方向把遗传算法从历史离散的搜索空间的优化搜索算法扩展到具有独特的规则生成功能的崭新的机器学习算法。这一新的学习机制对于解决人工智能中知识获取和知识优化精炼的瓶颈难题带来了希望。

4.2遗传算法与其他计算智能方法的相互渗透和结合。

遗传算法正日益和神经网络、模糊推理以及混沌理论等其他智能计算方法相互渗透和结合，必能达到取长补短的作用。近年来在这方面已经取得不少研究成果，并形成了“计算智能”的研究领域，这对开拓2 1世纪中新的智能计算技术将具有重要的意义。 4.3并行处理的遗传算法。

并行处理的遗传算法的研究不仅是遗传算法本身的发展，而且对于新一代智能计算机体系结构的研究都是十分重要的。GA在操作上具有高度的并行性，许多研究人员都正在探索在并行机上高效执行GA的策略。近几年也发表了不少这方面的论文，研究表明，只要通过保持多

龙源期刊网 http://www.qikan.com.cn

个群体和恰当地控制群体间的相互作用来模拟并执行过程，即使不使用并行计算机，我们也能提高算法的执行效率。

4.4遗传算法与人工生命的渗透。

人工生命是用计算机、机械等人工媒体模拟或构造出的具有自然生物系统特有行为的人造系统，人工生命与遗传算法有着密切的关系，基于遗传算法的进化模型是研究人工生命现象的重要理论基础。虽然人工生命的研究尚处于启蒙阶段，但遗传算法已在其进化模型、学习模型、行为模型、自组织模型等方面显示出了初步的应用能力，并且必将得到更为深入的应用和发展。

4.5遗传算法与进化规则及进化策略的结合。

遗传算法、进化规则及进化策略是演化计算的三个主要分支，这三种典型的进化算法都以自然界中生物的进化过程为自适应全局优化搜索过程的借鉴对象，所以三者之间有较大的相似性；另一方面，这三种算法又是从不完全相同的角度出发来模拟生物的进化过程，分别是依据不同的生物进化背景、不同的生物进化机制而开发出来的，所以三者之间也有一些差异。随着各种进化计算方法之间相互交流深入，以及对各种进化算法机理研究的进展，要严格地区分它们既不可能，也没有必要。在进化计算领域内更重要的工作是生物进化机制，构造性能更加优良、适应面更加广泛的进化算法。 5 结束语

遗传算法的未来是非常的美好的，只要我们对它们进行细致的分析，对它的缺点加以改造，优点进行继承，把它应用到我们的生产当中去，这样在生产当中还可以对它的缺点进行完善。

参考文献：

[1]赵振勇等. 遗传算法改进策略的研究[J].计算机应用, 2006,26:189-191. [2]王煦法.遗传算法及其应用[J]. 小型微型计算机系统, 1995:59-64.