法、排位次法等。适应度比例法较常用。(2) 交叉(Cr osso ver Ope rator) 复制操作能从旧群体中选择出优秀者,但不能创造新的染色体。而交叉模拟了生物进化中的繁殖现象,通过两个染色体的交换组合,产生新的优良品种。它的过程为: 在匹配值中任意选两个染色体,随即选择一点或多点交换点位置; 交换双亲染色体交换点右边的部分,即可得到两个新的染色体数字串。交换体现了自然界中信息交换的思想。交叉有一点交叉、多点交叉,还有一致交叉、顺序交叉和周期交叉。一点交叉是最基本的方法,应用较广。它是染色体切断点有一处, 例:A:101100 1110->101100 0101 B:001010 0101->001010 1110 (3)变异(Mut ation Ope rator). 变异运算用来模拟生物在自然的遗传环境中由于各种偶然因素引起的基因突变,它以很小的概率随机的改变遗传基因( 表示染色体的符号串的某一位) 的值。在染色体以二进制编码的系统中,它随即地将染色体的某一个基因由 1 变为 0 ,或由0 变为 1 。若只有选择和交叉,而没有变异,则无法在初始基因组合以外的空间进行搜索,使进化过程在早期就陷入局部解而进入终止过程,从而影响解的质量. 为了在尽可能大的空间中获得较高的优化解,必须采用变异操作。 3.3 遗传算法的构成要素遗传算法是具有“生成+检测”的迭代过程搜索算法。它的处理流程图如图 3-1 所示。由基本处理流程图可见,遗传算法是一种群体型操作,该操作以群体中的所有个体为对象。选择、交叉和变异是遗传算法的三个主要遗传算子,它们构成了所谓的遗传操作,使遗传算法具有了其它传统方法所没有的特性。遗传算法中包含如下五个基本要素[19]:参数编码、群体设定、适应度函数设计、遗传操作设计、控制参数设定( 主要指群体大小和使用遗传算子的概率) 。这五个要素构成了遗传算法核心。
全文预览
