遗传算法(Genetic Algorithm,GA)是优化设计中常用的一个智能优化算法,它是通过模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局最优化概率搜索算法。
遗传算法的基本运算过程如下:
(1)对种群个体进行编码,生成初始种群,为保证优化收敛,需要规划群体中的个体数和最大进化代数;
(2)根据评价规则对个体进行评价,计算种群中每个个体的适应度,如果发现符合适应度要求的个体,则取出最大适应度的个体进行解码输出,遗传结束;
(3)如果上一步没有找到满足适应度要求的个体,则对所有的个体进行遗传运算(选择运算、交叉运算、变异运算),得到下一代群体;
(4)对得到的新群体重复进行2、3步运算,直到找到满足适应度要求的个体,或者是达到最大进化代数,运算结束。
遗传算法的运算流程图如下所示:
李元科. 工程最优化设计[M]. 清华大学出版社, 2006.
下面对其中的关键步骤解释如下:
1、编码与解码
编码即通过一定的规则生成每个个体的染色体,常用的编码方法有:二进制编码、浮点数编码、符号编码、格雷码编码等。编