范爽

（大連市第八中學，遼寧 大連 116000）

遺傳算法理論研究及其應用

范爽

（大連市第八中學，遼寧 大連 116000）

近年來，隨著社會經濟的發(fā)展和科學技術的不斷進步，遺傳算法也處于興盛發(fā)展時期，無論是理論研究，還是應用研究，都深受科學家的關注。遺傳算法是以生物學為基礎，遺傳操作就是模擬生物基因遺傳的做法。簡要論述了遺傳算法的理論內容及其應用情況，以期為日后相關研究提供參考。

遺傳算法；生物學；生物基因；自動控制

1 遺產算法的產生

1975年，John H.Holland教授首先提出了遺傳算法，它是模擬達爾文生物進化論的自然選擇、適者生存、自然淘汰的生物進化過程的計算模型。后來的科學家基本沿用了Holland教授的理論體系來探索生物學和計算機科學。遺傳算法不僅以達爾文的進化學說為基礎，還借鑒了孟德爾的選擇學說和摩爾根的遺傳學說。達爾文認為，生物體普遍存在變異，兩個個體之間一定存在差異，即使是同一種群。一切生命形態(tài)發(fā)生、發(fā)展的演變，從低級到高級，都需要經歷漫長的過程。生物體的繁殖能力普遍比較高，有繁殖過剩的趨勢，但是，容納生物體的空間和賴以生存的食物都是有限的，因此，各種生物之間必須經過激烈的斗爭才能存活。生物體不僅要與其他種群、同一種群的生物體做斗爭，還要與無機環(huán)境做斗爭。不同生物體的競爭能力不同，一般來說，能力強的生物體生存概率高，繁衍后代的機會也更大；反之，在生存斗爭的競爭中，有利的變異得以保存，不利的將淘汰。但是，一旦環(huán)境發(fā)生改變，原來有利的個體可能就會變成不利的個體。孟德爾的選擇學說將遺傳物質比喻成了一個個粒子，生物體雜交時決定父母雙方性質的是某種單位化的粒子狀物質分離、自由組合。摩爾根繼孟德爾的研究后發(fā)現(xiàn)，在生殖細胞形成的過程中，同一染色體上可能具有不止一對的基因，而這些基因是作為一個單位進行傳遞的?？傊匀唤邕x擇的根本原則就是優(yōu)勝劣汰。孟德爾、摩爾根提出來的分離定律、自由組合定律、連鎖與互換定律被稱為遺傳學的三大定律，它們指導著遺傳理論研究的發(fā)展。John H.Holland教授及其學生提出的遺傳算法就是想要搜索一種最優(yōu)解的隨機化方法，這種方法的特點為：①從問題解的串集開始搜索，而不是從單個解開始；②同時處理群體中的多個個體；③不用搜索其他輔助信息；④采用概率的變遷規(guī)則；⑤自行組織搜索；⑥在進化過程中自動調整算法控制參數(shù)和編碼精度。這些特點讓遺傳算法區(qū)別于傳統(tǒng)的運算方法，如今，遺傳算法的應用可謂相當廣泛，基本存在于人們的生活中。

2 遺傳算法的基本執(zhí)行過程

一切生命形態(tài)發(fā)生、發(fā)展的演變過程都需滿足以下4個要求：①該生物數(shù)量足夠多，可以構成一個種群。②各個生物體之間存在不同。③生物體擁有繁衍生殖的能力。④當環(huán)境改變時，不同生物體對環(huán)境的適應度不同，存活的概率也不同。一般來說，適宜能力強的生物體生存概率高，繁衍后代的機會也更大。

綜上所述，一切生命形態(tài)發(fā)生、發(fā)展的演變都需要經歷3個過程：①自然界的生物經過激烈的生存斗爭，適應者生存下來，不適應者被淘汰掉；②同一種群、不同個體之間交配，生衍繁殖；③由于環(huán)境改變等因素產生的基因變異。

Holland教授對遺傳算法的理論研究貢獻巨大，他建立了遺傳算法的運行的基本框架，后來的理論研究基本沿用了Holland教授的理論體系，并加以改進。遺傳算法求解問題過程如圖1所示。

3 遺傳算法的應用

3.1 自動控制領域

在自動控制領域，遺傳算法發(fā)揮了巨大的作用，它不僅可以解決系統(tǒng)參數(shù)辨識問題，改善機器的自動識別能力，還可以優(yōu)化控制器參數(shù)。Karr等編程自適應模糊邏輯控制器時就應用了遺傳算法計算；Es-posito則在Karr研究的基礎上，在研究RBF網(wǎng)絡時也應用了遺傳算法，優(yōu)化了RBF神經網(wǎng)絡；Vesin等應用遺傳算法改善了RBF神經網(wǎng)絡的結構和權值，基本實現(xiàn)了RBF的完全優(yōu)化。在另一研究方面，外國科學家Fonesca在設計磁懸浮列車控制器時應用了遺傳算法，成功改善了控制器的功能；我國科學家顏文俊等人也基于遺傳算法提出了另一套設計方案優(yōu)化魯棒控制器。

圖1 遺傳算法求解問題過程

3.2 在組合最優(yōu)化問題方面

組合（最）優(yōu)化問題是最優(yōu)化問題的一類，它研究連續(xù)變量和離散變量，它的目標是從組合問題的可行解中集中求出最優(yōu)解。組合優(yōu)化看似簡單，實則不然，求解組合優(yōu)化問題不僅需要大量的運行時間，還需要極大的存儲空間，現(xiàn)有的計算機還不能達到解決組合優(yōu)化的標準，即所謂的“組合爆炸”。遺傳算法在組合優(yōu)化上的運用比較廣泛。

3.3 在多目標函數(shù)優(yōu)化問題方面

多目標優(yōu)化問題是先由經濟學家V.Pareto在研究經濟平衡時提出的，并且引進和推廣了Pareto最優(yōu)解。多目標優(yōu)化問題簡稱“MOP”，它的目標函數(shù)有2個或2個以上。多目標規(guī)劃問題的有效解稱為“Pareto最優(yōu)解”。以前的多目標優(yōu)化算法耗時長、計算量大，已經不能滿足社會經濟的發(fā)展，隨著計算機科學與生命信息科學的發(fā)展，智能優(yōu)化算法在處理多目標優(yōu)化問題時更能滿足實際需要。

遺傳算法在解決多目標函數(shù)優(yōu)化問題方面有很大的優(yōu)勢，主要有以下幾點：①遺傳算法可以同時處理多個目標，減少了目標排序的步驟；②遺傳算法可以多方面搜索，不受傳統(tǒng)算法的限制，這是數(shù)學規(guī)劃法的一個重大突破；③遺傳算法可以解決隨機的、不確定的離散搜索空間問題；④遺傳算法可以將多目標優(yōu)化問題轉變?yōu)閱文繕恕＿z傳算法可以彌補傳統(tǒng)數(shù)學規(guī)劃法的缺點，所以，應用遺傳算法解決多目標函數(shù)優(yōu)化問題是研究熱點。

3.4 社會與經濟領域

早期，在研究社會與經濟學時，遺傳算法并不占有優(yōu)勢，盡管它可以解決數(shù)學問題，但效果并不如計算機的運算，還是有很多科學家熱衷于用遺傳算法解決經濟學問題。Lettau應用遺傳算法建立了主體模型，Bau-er用遺傳算法分析投資，等等。目前，遺傳算法在經濟學中的應用已經相當廣泛。

4 結束語

近年來，遺傳算法發(fā)展得十分迅速，無論是在理論研究領域，還是在實際應用方面。隨著時間的推移，在遺傳算法的理論研究方面有重大的突破，但是，遺傳算法的理論體系仍然不夠完善，這會阻礙遺傳算法的發(fā)展。因此，對于遺傳算法的理論研究需要更加深入、細致。科學家已經成功運用遺傳算法解決了生活中的問題，相信不久之后這將是遺傳算法的重點研究領域。

［1］吳玫，陸金桂.遺傳算法的研究進展綜述［J］.機床與液壓，2008（3）：176-179.

［2］史明霞.多種群協(xié)同演化遺傳算法［J］.商丘師范學院學報，2006（2）：72-74.

［3］馬玉明，賀愛玲，李愛民.遺傳算法的理論研究綜述［J］.山東輕工業(yè)學院學報，2004（3）：77-80.

〔編輯：白潔〕

TP18

A

10.15913/j.cnki.kjycx.2017.23.021

2095－6835（2017）23－0021－02