沈曉芳

【摘要】遺傳算法對問題的依賴性小，是一種全局優(yōu)化算法，可用于函數(shù)尋優(yōu)。本文利用Maflab優(yōu)化工具箱，有效地實現(xiàn)了用遺傳算法求解函數(shù)優(yōu)化問題，實驗結(jié)果表明該算法收斂速度快，尋優(yōu)性能良好。

【關(guān)鍵詞】遺傳算法 函數(shù)尋優(yōu) 目標(biāo)函數(shù)

【中圖分類號】G64 【文獻標(biāo)識碼】A 【文章編號】2095-3089（2015）03-0152-01

遺傳算法（Genetic Algorithm，GA）起始于20世紀(jì)60年代，主要由美國密執(zhí)根大學(xué)的John Holland與同事和學(xué)生研究形成了較為完整的理論和方法，是一種重要的現(xiàn)代優(yōu)化算法。遺傳算法對問題的依賴性小，是一種全局優(yōu)化算法，所以在很多領(lǐng)域獲得了廣泛的應(yīng)用。

遺傳算法基本思想：將“優(yōu)勝劣汰，適者生存”的生物進化思想引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，按所選擇的適配值函數(shù)并通過遺傳中的選擇、交叉及變異對個體進行篩選，使適配值高的個體被保留下來，組成新的群體，這樣周而復(fù)始，群體中的個體適應(yīng)度不斷升高，直到滿足一定的條件。遺傳算法的一個重要應(yīng)用是函數(shù)尋優(yōu)，該算法對于尋優(yōu)的函數(shù)基本無限制，既不要求函數(shù)連續(xù)，更不要求函數(shù)可微；既可以是函數(shù)解析式所表達的顯函數(shù)，又可以是映射矩陣等隱函數(shù)，應(yīng)用范圍很廣。

一、遺傳算法的實現(xiàn)

1.遺傳算法的應(yīng)用步驟

（1）確定決策變量及各種約束條件，即確定出個體的表現(xiàn)型和問題的解空間。（2）建立優(yōu)化模型，即確定出目標(biāo)函數(shù)的類型及數(shù)學(xué)描述形式或量化方法。（3）確定表示可行解的染色體編碼方法，即確定出個體的基因型及遺傳算法的搜索空間。（4）確定解碼方法，即確定出由個體基因型到個體表現(xiàn)型的對應(yīng)關(guān)系或轉(zhuǎn)化方法。（5）確定個體適應(yīng)度的量化評價方法，即確定出由目標(biāo)函數(shù)值到個體適應(yīng)度函數(shù)的轉(zhuǎn)換規(guī)則。（6）設(shè)計遺傳算子，即確定選擇運算、交叉運算、變異運算等算子的具體操作方法。（7）確定遺傳算法的有關(guān)運行參數(shù)。

2.遺傳算法的操作

圖1 遺傳算法操作流程圖

3.遺傳算法工具箱

謝菲爾德（Sheffield）遺傳算法工具箱是英國謝菲爾德大學(xué)開發(fā)的遺傳算法工具箱，是用Matlab語言編寫的m文件，為用戶提供很多實用函數(shù)。常用函數(shù)：crtrp，crtbp（創(chuàng)建初始種群）；ranking（適應(yīng)度計算）select（選擇函數(shù)）；xovsp（單點交叉）；mutate（變異函數(shù)）Bs2rv（二進制轉(zhuǎn)換到實值）等等。

二、遺傳算法應(yīng)用舉例

1.利用遺傳算法計算以下函數(shù)的最小值

f（x）=■，x∈[1，2] （1）

（1）選擇二進制編碼，遺傳算法參數(shù)設(shè)置如表1所示

表1：參數(shù)設(shè)置表

（2）仿真結(jié)果如圖2

圖2：目標(biāo)函數(shù)圖及最優(yōu)解的進化過程

函數(shù)優(yōu)化問題是遺傳算法的經(jīng)典應(yīng)用領(lǐng)域，也是對遺傳算法進行性能評價的常用算例.Matlab軟件工具箱，是整個Matlab體系的基座。在Matlab環(huán)境中用遺傳算法實現(xiàn)函數(shù)優(yōu)化問題，能有效地收斂到全局最優(yōu)值，尋優(yōu)性能良好。

參考文獻：

[1]孫增祈，鄧志東，張再興.智能控制理論與技術(shù)[M].第二版.清華大學(xué)出版社，2011.

[2]蔣冬初，何飛，向繼文.遺傳算法求解函數(shù)優(yōu)化問題的Matlab實現(xiàn)[J].吉首大學(xué)學(xué)報. 2005，26（2）：98-100.

[3]劉勇，劉寶坤，李光泉.基于Maflab平臺的遺傳算法工具包[J].天津大學(xué)學(xué)報.2001，34（4）：48—51.