遺傳算法及其在化工等相關(guān)領(lǐng)域中的應(yīng)用

1、遺傳算法及其在化工等相關(guān)領(lǐng)域中的應(yīng)用遺傳算法的基本含義，遺傳算法中的基本概念 ，遺傳算法的基本步驟 ；遺傳算法的數(shù)學(xué)原理 ；遺傳算法在化工等相關(guān)領(lǐng)域中的應(yīng)用；遺傳算法面臨的問(wèn)題；遺傳算法的展望。遺傳算法的基本含義遺傳算法（genetic algorithms, GAs） 60年代初由John Holland1開(kāi)創(chuàng)，可以說(shuō)是對(duì)達(dá)爾文進(jìn)化論公式化的表達(dá)。遺傳算法是一種借鑒生物界自然選擇和自然遺傳機(jī)制的高度并行、隨機(jī)、自適應(yīng)搜索算法。它是由復(fù)制、雜交和變異三個(gè)算子組成的。遺傳算法的基本概念適應(yīng)值（fitness） 復(fù)制算子（replication operator） 雜交算子（crossover o

2、perator） 變異算子（mutation operator） 適應(yīng)值（fitness）適應(yīng)值反映該個(gè)體在群體中的適應(yīng)程度，即它在群體中能否比其它個(gè)體更具生存能力。它可以是被優(yōu)化函數(shù)的函數(shù)值，也可是某回歸方程計(jì)算值與實(shí)驗(yàn)值之間的誤差，或是其它自定義的標(biāo)準(zhǔn)。對(duì)一個(gè)化工過(guò)程，它可以是該過(guò)程的產(chǎn)率大小，或是該過(guò)程的生產(chǎn)成本。 復(fù)制算子（replication operator）它是從舊代中以一定概率選擇個(gè)體到新代中的方法，一般是用賭盤(pán)選擇法：將群體中所有串的適應(yīng)值相加求和；產(chǎn)生一個(gè)在0與總和之間的隨機(jī)數(shù)m ；從群體中編號(hào)為1的串開(kāi)始，使其適應(yīng)值與后繼串的適應(yīng)值相加，直到累加和等于或大于m，此時(shí)的串

3、即為選擇復(fù)制到新代的個(gè)體。 雜交算子（crossover operator）雜交是兩個(gè)串互相交換某一對(duì)應(yīng)段中的對(duì)應(yīng)位的值的操作。雜交是遺傳算法中一個(gè)至關(guān)重要的概念。因?yàn)殡s交能產(chǎn)生適應(yīng)值更高的新個(gè)體，使搜索進(jìn)入更高一層。一般常見(jiàn)的交叉方式有：?jiǎn)吸c(diǎn)交叉，雙點(diǎn)交叉，均勻交叉。變異算子（mutation operator）變異是對(duì)串中某些位進(jìn)行求反的操作。如串10111011在第3位變異得串 10011011，對(duì)二進(jìn)制來(lái)說(shuō)就是簡(jiǎn)單地將1變?yōu)?和0變?yōu)?的操作。要的變異方式有：等位基因突變(Simple Mutation)；均勻突變(Uniform Mutation)；非均勻突變(Non-Uniform

4、 Mutation)。遺傳算法的基本步驟經(jīng)典的遺傳算法的主要步驟是：（1）隨機(jī)地產(chǎn)生一個(gè)由確定長(zhǎng)度串組成的初始群體。（2）對(duì)串群體執(zhí)行下面、的迭代過(guò)程，直到滿(mǎn)足停止準(zhǔn)則。計(jì)算群體中每個(gè)個(gè)體的適應(yīng)值；由復(fù)制、雜交和變異算子產(chǎn)生下一代群體。（3）從最終代群體中選出最好個(gè)體作為遺傳算法的搜索結(jié)果 。遺傳算法的數(shù)學(xué)原理 遺傳算法的數(shù)學(xué)原理主要由模式定理和基因塊假設(shè)構(gòu)成。模式定理認(rèn)為，某些適應(yīng)值在群體平均適應(yīng)值以上的串，在遺傳迭代中將按指數(shù)增長(zhǎng)率被采用。它具體體現(xiàn)遺傳算法的復(fù)制算子，復(fù)制通過(guò)使高適應(yīng)值個(gè)體以較高概率出現(xiàn)在新群體中，使群體的平均適應(yīng)值得到改善。基因塊假設(shè)是指，高適應(yīng)值的某些串能結(jié)合形成更好

5、的串，它體現(xiàn)了雜交的基本思想。復(fù)制本身不能提高個(gè)體的適應(yīng)值，而雜交可以通過(guò)提高個(gè)體的適應(yīng)值使搜索進(jìn)入更高一層。 遺傳算法在化工等相關(guān)領(lǐng)域中的應(yīng)用多目標(biāo)優(yōu)化問(wèn)題；分離系統(tǒng)與換熱網(wǎng)絡(luò)同步優(yōu)化；復(fù)雜非線性公用工程系統(tǒng)的遺傳算法最優(yōu)設(shè)計(jì)；化工故障診斷中基于遺傳算法優(yōu)化的 SOM 網(wǎng)絡(luò)；應(yīng)用遺傳算法實(shí)現(xiàn)精餾分離序列優(yōu)化綜合。 其它應(yīng)用電力系統(tǒng)中求解配電系統(tǒng)最優(yōu)網(wǎng)絡(luò)重構(gòu)問(wèn)題；機(jī)器人的優(yōu)化控制；計(jì)算機(jī)輔助設(shè)計(jì)和計(jì)算機(jī)輔助教學(xué)；金融系統(tǒng)中網(wǎng)絡(luò)規(guī)劃的優(yōu)化；社會(huì)科學(xué)中的應(yīng)用。遺傳算法面臨的問(wèn)題事物都是一分為二的 ，GA 也不是完美無(wú)缺的 ，它也存在一些不足：GA 群體太小、 編碼方式、 交叉率及變異率的選擇需進(jìn)一步研究；GA 的收斂性證明比較困難；對(duì) GA 的高級(jí)算子缺乏開(kāi)創(chuàng)性研究 ，對(duì)控制參數(shù)的選擇缺乏指導(dǎo)。遺傳算法的展望 GA 是一種非常實(shí)用的并行優(yōu)化