基于多样性保持的遗传算法性能研究【文献综述】

《基于多样性保持的遗传算法性能研究【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业论文文献综述计算机科学与技术基于多样性保持的遗传算法性能研究引言：遗传算法(geneticalgorithm)是由密切根大学的Holland等人提出的，是从进化论和群体遗传学中启发出，最初是用于模拟自然系统的自适应现象的，直到后来才被应用到工程问题。遗传算法之所以能够发展成一种自适应启发式概率性迭代式全局搜索算法，是因为它的解决不同非线性问题的鲁棒眭、全局最优性、不依赖于问题模型的特性、可并行性及高效率，具有独特的吸引力，正掀起越来越广泛的研究及应用热潮。从八十年代以来，遗传算法在许多方面得到了应用，如自动控制、计算机科学、机器人学、模式识别、工程

2、设计和神经网络等领域。保持种群多样性问题作为生物学中一个重要问题，在生物坏境中的应用无疑是占有很重要的位置，应用遗传算法是否成功在于能否避免GA的早熟收敛，其关键是如何保持群体的多样性。因此基于多样性保持的遗传算法性能研究有着重要的意义。1研究动态关于保持种群多样性一直以来是国内外研究的热点。如五十年代的Dijkstra算法，六十年代的Floyd算法，关于该问题的研究在七十年代和八十年代发展很缓慢，但是进入九十年代后，随着信息科学，现代通讯，智能网络的发展，还有完善的图片论述以及计算机的数据结构，算法之间的并行运用，使得新的多样性保持的算法不断涌现。它

3、们在空间复杂度、时间复杂度、易实现性及应用范围等方面各具特色[1]。遗传算法(GeneticAlgorithms,GA)是美国密歇根大学Holland教授借鉴生物进化中的“生存竞争”和“优胜劣汰”现象提出来的全局优化的算法。从最开始的可行解开始，在不需要其他的函数之外（除了适应度函数）的前提下，开始对有可能解区域的进行全局有效的搜索。GA是一个有多个的参数，并且也有着多个个体的同时优化的一种算法。该算法为我们提供了一种对系统优化问题求解的通用方法，它不会依赖于问题的具体空间，并且对不同的问题有着很强的鲁棒性，根据特性使它在组合优化领域获得到了成功的应用

4、，并成为计算智能领域研究的热点。被广泛应用于生产调度、图象处理、函数优化、机器人学习、自动控制等领域。随着科学技术的发展，问题的规模不断扩大，复杂度不断增加，对GA求解质量和运行速度都提出了更高的要求，GA在处理这些问题时往往都显得“力不从心”。但传统GA4的寻优效率不高，易出现早熟收敛，也不便于局部微调，针对传统GA的早熟收敛的主要缺点，所以提出了群体多样性的几种策略，形成了一种改进新的基于多样性保持的自适应遗传算法(DiversityMaintainingAdaptiveGeneticAlgorithm，DMAGA)[2]。2遗传算法简介2.1遗传

5、算法的特点传统的遗传算法有着其鲜明的特点：1.GA的操作的对象是一组可行的解，而不是只有一个可行的解，搜索的方法有多种，而非一种，所以具有非常好好的可行性。2.GA只要根据目标的取值的信息，不需要梯度等更多的信息，所以是适用所有的大规模、高度非线性的不连续多峰函数的优化以及没有确定表达式的目标函数的优化，具有非常强的通用性3.遗传算法择优机制是一种可变化选择，加上它的良好的并行性，使它具有良好的全局优化性和稳定性[3]。遗传算法（DMAGA)具有如下特点：1.强调了保持群体的多样性，给出了度量群体多样的方法；2.采用了二进制编码，简化了计算过程；3.不

6、易早熟收敛，比传统GA更为有效和稳健。然而DMAGA仍不便与局部微调，当需要更高精度解时，它需进一步与有效的局部搜索方法有机结合，以形成既能持续全局优化，又能进行局部微调的稳健而有效的方法[4]。2.2遗传算法原理遗传算法先对问题的可行解(近似解)进行编码，表示成“染色体”，接着再用随机的方法产生一群“染色体”的个体，组成初始种群，它们对应的的目标函数值大小，就可以视为生物种群的好坏，通过适应度这种方法，就形成了一种优胜劣汰、适者生存的“自然环境”，然后种群再通过杂交、交换、变异等不断演化，产生新的更加优异的种群。这样经过几代的进化后，最后求得适合问题

7、的全局最优解[5]。3基于多样性保持的遗传算法性能研究遗传算法从提出到现在，虽然就只有几十年，也尽管还没有非常正规和严格的理论基础，但是它研究方向已经得到了非常大的应用，已经由一维静态优化问题发展到了多维动态优化问题，由离散空间问题拓展到了连续域范围内的研究。对于保持种群多样性问题，DMAGA基本操作可分为六个步骤：步骤1，随机产生初始种群；第一步就是对程序中的变量和常量进行初始化设置。步骤2，根据公式（2.1）4公式（2.2）计算种群中的个体多样性和各基因座的基因多样性；步骤3，执行选择操作，采用最优保存策略及均匀排序方式；选择的目的是为了让群体中适

8、应度高的个体尽最大的可能出现在在下一代新群体中，然后繁殖，从中就可以体现出了“适者生存”的自然