1 1 1

航空宇航学院

遗传算法介绍

2 2 2

航空宇航学院

遗传算法的概念

• 遗传算法（Genetic Algorithms，简称GAs）是

一类模拟生物界自然选择和遗传的启发式随机搜

索算法。

• 其基本步骤包括编码、初始群体的生成、适应度

评估和检测、选择、交叉操作和变异操作。

• 是一种具有“生成+检测”的迭代过程的搜索算

法。

3 3 3

航空宇航学院

计算流程

编 码

初始群体的生成

选 择

交 叉 变 异 生成新群体

群体中个体适应度函数的评估

4 4 4

航空宇航学院

编码(Coding)

• 编码的作用是将设计变量表示成遗传空间的基因型串结

构数据。

• 通常采用一定长度的二进制码代表设计变量的各种取值。

– x1: 0101

• 将各个变量的二进制码连成一串，得到一个二进制代码

串（染色体, chromosome,或称个体），它代表一个设

计方案。

– 0001 0101 … 1100 1111

– x1 x2 x8 x9

• 二进制码所有可能的结构代表了整个设计空间。

5 5 5

航空宇航学院

产生初始群体(Population)

• 遗传算法是一种群体操作算法，必须为遗传操

作准备一个由若干初始解组成的初始群体。

• 通常采用随机方法来产生初始群体。

• 群体规模越大，GA陷入局部最优解的危险性越

小，但计算量会增加。

• 群体规模太小，会使GA在搜索空间中分布范围

有限，会引起未成熟收敛现象。

6 6 6

航空宇航学院

适应度函数的评估(Fitness)

• 遗传算法在进化搜索中基本上不用外部信

息，仅用目标函数即适应度函数为依据。

• 适应度函数评估是选择操作的依据。

• 一般需将目标函数以一定的方式映射成适

应度函数。

7 7 7

航空宇航学院

选择算子（Selection)

• 选择算子的目的是把优化的个体(或设计点)直

接遗传到下一代或通过配对交叉产生新的个体

再遗传到下一代。

• 选择操作是建立在群体中个体的适应度评估基

础上的，适应度越大的个体，被选中的概率越

大，也就是说适应度越高的个体，有更多的机

会繁殖后代，使其优良特性得以遗传和保留。

8 8 8

航空宇航学院

交叉操作（Crossover）

• 在自然界生物进化过程中起核心作用的是生物遗传基

因的重组。

• 遗传算法中起核心作用的遗传操作的交叉算子。

• 所谓交叉是指把两个父代个体的部份结构加以替换重

组而生成新的个体，通过交叉，遗传算法的搜索能力

得以飞跃提高。

双亲 后代 1000┆10011110 1000┆11000110 0010┆11000110 0010┆10011110

9 9 9

航空宇航学院

变异算子(mutation operator)

• 变异算子的目的是模拟生物在自然的遗传环境

中由于各种偶然因素引起的基因突变。

• 其方法是以一定的概率选取群体中若干个体，

对已选取的每个个体，随机选取某一位，将该

位的数码翻转。

• 变异算子增加了群体基因材料的多样性，增加

了自然选择的余地，有利的变异将由于选择操

作的作用，得以遗传与保留，而有害的变异则

将在逐代遗传中被淘汰。

10 10 10

航空宇航学院

进化（迭代）

• 通过用选择、交叉、变异得到的新一代群体代

替其上一代群体，再进行评估、选择、交叉、

变异。

• 如此迭代下去，各代群体的优良基因成份逐渐

积累，群体的平均适应度和最优个体适应度不

断上升，直到迭代过程趋于收敛，适应度趋于

稳定，不再上升时，就找到了所需的最优解。

11 11 11

航空宇航学院

12 12 12

航空宇航学院

计算过程演示（初始群体）

13 13 13

航空宇航学院

计算过程演示（迭代416次后群体）

14 14 14

航空宇航学院

遗传算法的特点

• 处理的对象广

–计算对象编码，对象可以是连续变量、离散变量、

各种数据结构和树等。

• 是一种搜索全局最优解的算法

–GA同时对搜索空间中的多个点进行评估，具有较好

的全局搜索性能，减少了陷于局部最优解的风险。

• 应用范围广

–GA仅需适应度函数的值来进行遗传操作，不需导数

或其它信息，使得GA的应用范围大大扩展。

15 15 15

航空宇航学院

遗传算法的特点

–能处理目标或约束不连续的情况

16 16 16

航空宇航学院

遗传算法的缺点

• 收敛速度慢，计算量大。

• 处理约束能力较差。

17 17 17

航空宇航学院

遗传算法的发展

• 在标准遗传算法基础上，发展了众多改进遗传算法。其中

一种是多岛遗传算法（Multi-Island Genetic Algorithm）。

• 多岛遗传算法的基本思路：

–每个种群的个体被分为几个子群，称为“岛”。

–标准遗传算法的所有操作（选择、交叉、变异）分别在每个岛上进

行。

–每个岛上选定的个体定期地迁移到另外岛上，然后继续进行标准遗

传算法操作。

–多岛遗传算法中的迁移操作保持了解的多样性，提高了包含全局最

优解的机会，可抑制早熟现象的发生。

18 18 18

航空宇航学院

遗传算法和梯度下降法的组合策略