2．遗传算法设计与执行策略

遗传算法操作的是--群编码化的可行解,称作种群。它通过种群的更新与迭代来搜索全局最优解。种群的迭代是通过选择、杂交和变异等具有生物意义的遗传算子来实现的。在 Holland 的最初模型中采用的是二进制定长编码和固定观模提高遗传算法的性能,克服实际问题中遇到的困难,近年来在算法设计与执行策略方面有了很大进展。

(1)编码方法简单二进制编码的采用得到了Holland早期理论结果( Schema定理,最小字母表原理)的支持,但它仍有许多不足之处。灰色编码可用于克服二进制编码映射的不连续问题(即欧氏空间中邻近点的二进制编码在 Hamming距离下并不邻近)。动态参数编码( dynamic parameter encoding)的提出是为了克服搜索效率与表示精度阀的矛盾,同时对克服过早收敛现象也有所帮助。此外,多值编码,实值编码、区间值编码. Delta编码等多种编码方法也被证明各有优缺点。这些编码方法的提出是启发式的,缺乏一-个理论基础来判断各种编码方法的好坏并指导它们的设计。

(2)选择机制选择是遗传算法中最主要的机制,也是影响遗传算法性能最主要的因素。选择压(selective pressure)描述了选择机制挑选种群中不同个体傲母体的概率大小的差异。选择压过大,会造成几个较好可行解(不一定是近似全局最优解)迅速抢占了整个种群;选择压过小,则会使算法呈现出纯粹的随机徘徊行为。秩选择,适应值函数的尺度变换均是为了克服经典的比例选择所造成的选择压过大或过小而设计的。