资源描述：
《一种改进的遗传算法在土坡稳定中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、·20·港 工 技 术 2003年9月 No.3一种改进的遗传算法在土坡稳定中的应用朱福明,周锡 ,王乐芹(天津大学建工学院,天津 300072) 摘要:基于遗传算法的基本原理,提出一种改进的遗传算法,把小生境技术和记忆器引入遗传算法,来保护种群的多样性,同时使每代最优解得到保留。把改进的遗传算法应用到求解土坡稳定的可靠度指标中,克服了传统方法易陷入局部极值的缺点。对于功能函数的非线性,避免了求导或近似展开而产生的误差。 关键词:遗传算法;小生境技术;记忆器;可靠度指标中图分类号:Q811.8;
2、TU432文献标识码:A文章编号:1004-9592(2003)03-0020-04 遗传算法是基本于生物进化仿生学算法的一(Mutation)”生成的下一代染色体,一般采用算术交种,它建立于达尔文生物进化的“物竞天择,适者生叉算子和二进制变异算子。存”的基本原理之上,是一种自适应概率性全局优化1.1 编码搜索算法,可处理设计变量离散、目标函数多峰值且遗传算法中用以表示参数向量结构的常用编码导数不存在、可行域狭小且为凹形等优化问题。遗传方式有3种:二进制编码,格雷编码,浮点编码。二进算法作为一种智能化的全局搜索算法
3、,自20世纪制码编码、解码操作简单易行,不仅便于实现交叉、80年代问世以来便在数值优化、系统控制,结构优变异等操作,而且便于利用模式定理对算法进行理化设计、参数辨识等诸多领域的应用中展现出其特论分析。格雷码是二进制码的变形,具有二进制码相有的魅力,同时也暴露出许多不足和缺陷。大量研究似的特点,其编码、解码操作相对复杂,但基于格雷表明,遗传算法的实际应用中存在以下几方面的缺编码的算法局部搜索能力有较大提高。浮点编码方陷:①全局搜索能力极强而局部寻优能力较差。研究式编码长度等于参数向量的维数,达到同等精度要[1]发现,遗
4、传算法可以用极快的速度达到最优解的求的情况下,编码长度远小于二进制码和格雷码。此90%左右,但要达到真正的最优解则要花费很长时外,浮点编码使用的决策变量的真实值,不需反复进间。②易出现早熟收敛现象。当种群规模较小时,如行数据转换。因此,本文采用浮点编码方式。果在进化初期出现适应度较高的个体,群体的多样1.2 适应度函数性往往会受到破坏,从而出现早熟收敛现象。本文针适应度函数是遗传进化操作的基础,它的构造对基本遗传算法的上述缺陷,提出一种改进的遗传是遗传算法的关键。合理的适应度函数能引导搜索算法,以增加遗传算法在求解优
5、化问题、特别是实际朝最优化方向进行。本文构造基于序的适应度函数。工程应用中的有效性。它的特点是个体被选择的概率与目标函数的具体值1 遗传算法(GA)及算子的选择无关。将种群中的所有个体的目标函数值的大小降Holland的遗传算法通常称为简单的遗传算序排列,设参数法。遗传算法的常用形式是Goldberg提出来的。算A∈(0,1),定义基于序的适应度函数法过程如下:从一组随机产生初始解称为“种群i-1eval(Xi)=A(1-A)i=1,2,⋯,psize(1)(Population)”开始搜索过程,种群中每个个体是问式
6、中:Xi——种群排序后第i个个体;题的一个解,称为“染色体或个体(Ghromosome)”。psize——种群中个体总数。在每一代中用“适应值(Fitness)”来测量染色体的1.3 选择算子好坏,染色体通过“交叉(Crossover)”或“变异本文采用锦标赛选择法,在锦标赛选择法中,随基金项目:国家自然科学基金委高性能计算机基金资助项目机地从种群中挑选议定数目(Tour)个体,然后将最(981005)收稿日期:2002-11-12好的个体选做父个体,一般情况下,Tour为种群的©1995-2005TsinghuaT
7、ongfangOpticalDiscCo.,Ltd.Allrightsreserved.2003年9月 No.3 港 工 技 术·21·5%～10%。这个过程重复进行完成个体的选择。在率将使遗传算法的性能近视于随机搜索。而且,通过种群中出现个别或极少数适应度相当高的个体时,研究表明,处在大量的优化问题,此类参数调整措施采用这样的选择机制就有可能导致这些个体在种群无法抑制早熟收敛现象。本文在遗传算法变异操作[2]中迅速繁殖。之后加入小生境淘汰操作,在不破坏指定距离内1.4 交叉算子优良个体的条件下
8、,在只牺牲少量计算量的情况下交叉算子是遗算法区别于其他进化算法的重要可最大限度地保持群体的多样性,从而能有效抑制特征,在算法中起着关键作用,是产生新个体的主要早熟收敛现象的出现。为减少算法的计算时间,基于方法。交叉算子的设计和实现与研究问题密切相关,小生境淘汰操作的思想,提出先进行适应度的排序,一般要求既不能过多地破坏种群中的优良个体模产生排序
