基本遗传算法

本文为《遗传算法原理及应用》基本遗传算法学习总结。

一、前言

遗传算法有很多形式，其中较为简单的就是基本遗传算法（SGA）了，SGA 是其他遗传算法的基础。接下来我们介绍相关的知识。

二、基本遗传算法描述

我们首先介绍 SGA 的构成要素：

1. 染色体编码方法。使用二进制字符串表示，等位基因由二值符号 { 0 , 1 } \{0,1\} { 0,1} 组成，初始种群的基因值满足均匀分布。
2. 个体适应度评价。我们会根据个体适应度的大小对群体进行优胜劣汰，因为要以概率的形式接受个体，所以适应度必须 $\ge 0$。实际情况中需要自己设计。
3. 遗传算子。SGA 只使用我们上篇文章说到的选择算子、交叉算子和变异算子。选择运算采用比例选择算子，即上篇文章中用个体适应度除以群体适应度总和；交叉运算采用单点交叉算子，只对染色体的一段进行交叉互换（而不考虑多段）；变异运算采用基本位变异算子或均匀变异算子，即某些位发生基因突变。
4. SGA 的运行参数。以下参数需通过反复实验尝试才能得到较好的结果。
   • $M$：群体大小，取20~100
   • $T$：终止进化代数，即迭代次数，取100~500
   • $p_c$：交叉概率，即发生交叉互换的概率，取0.4~0.99
   • $p_m$：变异概率，即个体产生基因突变的概率（而非每个基因座的突变概率），取0.0001~0.1

三、基本遗传算法的实现

接下来我们详细介绍 SGA 的构成要素。

1. 染色体编码方法。

   （1）如 $X=1010$ 为个体基因型，可表示一个个体；
   （2）染色体长度通常取二进制值域刚好能满足可行域的位数（有时也可取一半的离散点）：

   $$2^m<(U_{max}-U_{min})\times 10^S<2^n$$

   对应二进制编码位数为 $n$， U m a x