遗传算法基本简介及改进方向

最新推荐文章于 2024-05-13 05:16:19 发布

self.键盘上的钢琴师.LX

最新推荐文章于 2024-05-13 05:16:19 发布

阅读量4.1k

点赞数 1

分类专栏：遗传算法文章标签：算法大数据数据挖掘

本文链接：https://blog.csdn.net/lixiangohoh/article/details/126368016

版权

遗传算法专栏收录该内容

5 篇文章 1 订阅

订阅专栏

遗传算法

基本简介
遗传算法是一种启发式算法，其基本思想是根据达尔文进化论而来，遗传算法主要包括：初始种群的生成、选择、交叉、变异；通过不断地对种群进行迭代，使得结果不断靠近最优解，最终达到优化的目的。基本流程图如下所示：
在这里插入图片描述

初始种群
一般使用规则进行种群初始化
选择
轮盘赌法则
本文采用轮盘赌法则执行个体选择操作：如图 3 4所示，首先根据每个个体的适应度值大小以及所有个体的适应度总和，计算出每个个体适应度占所有个体适应度总和的比例，轮盘再根据每个个体所占比例划分大小不同的扇形区域，在执行选择操作时，旋转轮盘，指针停下的位置则代表该位置的个体被选中，可以进入下一代进化。可以看出，所占扇形区域位置越大的个体被选择的概率就越大（如图中，扇形区域5的个体被选中）。个体v的选择概率计算公式为：
在这里插入图片描述

（3-2）
式中，f(v)表示个体v的适应度值，Nind为种群大小。
在这里插入图片描述

 图 轮盘赌示意图

交叉
两点交叉
交叉操作采用两点交叉的策略进行，两点交叉操作过程如图 3 5所示，随机选取父代中的两条染色体V1和V2，并随机选取两个不重叠的基因位置点作为交叉点，将两个交叉的基因片段进行互换。
图 3 5 两点交叉操作示意图
从图 3-5中可以看出，在执行两点交叉操作时会导致染色体中部分基因缺失和重复，如中多了一个基因3，少了一个基因1，因此在基因片段互换之后，还需要对染色体进行基因修正，将染色体中多余的基因用缺失的基因填补，其原理如图 3 6所示。
在这里插入图片描述

图基因修正操作示意图
在这里插入图片描述

其他交叉方式
均匀交叉、POX交叉……
变异
插入变异算子
变异算子是遗传算法中另一种产生新个体的操作，它与交叉操作有所不同，变异操作仅针对一条染色体进行变异，其主要方式是将染色体上不同位置的基因进行互换。变异操作能有效改善算法的局部搜索能力，并且能够有效防止基因遗失来维持种群的多样性，从而避免算法的早熟现象。目前，针对离散优化问题的变异方式较多，包括插入变异、交换变异以及倒序变异等。其中，插入变异可根据插入顺序的不同分为前插入变异和后插入变异。本文采用前插入变异算子，其具体操作思路是随机选择两个不同的基因位置点pos1和pos2，将 pos2位置上的基因插入到pos1前面，pos1以及pos1和pos2之间的基因往后顺移一位，插入变异操作如图所示。
在这里插入图片描述