群智能三维路径规划算法2 遗传算法

算法简介

• 遗传算法（Genetic Algorithm）源于自然界“自然选择”和“优胜劣汰”的进化规律，是进化计算的一个分支，是一种模拟自然界生物进化过程的随机搜索算法
• 简单易懂、通用、鲁棒性强、适合并行处理，可用于解决各种复杂优化问题

相关概念

• 染色体：携带基因信息的数据结构，不同染色体组合表征不同的问题解
• 个体 (individual) : 不同染色体组合就代表一个个体
• 种群 (population) : 个体的集合，该集合内个体数称为种群的大小
• 进化 (evolution) : 种群的不断迭代使其品质不断改良
• 适应度 (fitness) : 个体适应环境性能的评价指标 (目标函数)

遗传过程的术语

• 选择 (selection) : 指以一定的概率从种群中选择若干个体进行交配的操作
• 交叉 (crossover) : 在两个染色体的某一相同位置处DNA被切断，其前后两串分别交叉组合形成两个新的染色体，又称基因重组，俗称“杂交”
• 变异 (mutation) : 种群在迭代过程中，基因会产生突变，也即是染色体发生变异，这些新的染色体表现出新的性状

遗传算法在三维空间进行路径规划的具体思路

• 将遗传算法的染色体视为三维空间的控制点，即一个染色体对应着一个控制点，显然染色体个数越多，控制点越多，最终生成的三维路径越有可能接近理论最优解
• 交叉操作可以考虑将某两个个体的染色体 (控制点的 x/y/z 坐标序列) 进行两两交换
• 变异操作可以考虑将某个个体的某一个染色体 (控制点) 的 x/y/z 坐标用另一个随机数代替

步骤

1. 随机产生一组初始个体构成初始种群，并评价每一个个体的适应度
2. 判断算法收敛准则是否满足。若满足则输出搜索结果，否则执行以下步骤
3. 根据适应度大小以一定概率按照轮盘赌法执行选择操作
4. 按交叉概率执行交叉操作
5. 返回第2步