文档介绍：中国科技论文在线
得它近年倍受学者的青睐：
（1）遗传算法是并行搜索过程，这使得遗传算法在多个处理机上实行并行运算成为可
35 能，从而可以显著地提高算法的运行速度。
（2）遗传算法适用于所有连续和离散优化问题。
（3）遗传算法是随机搜索的，不太容易陷入局部极小点，而局部极小点在任何实际的
优化应用中都不可避免地会存在。
（4）遗传算法的灵活性可使诸如神经网络和模糊推理系统等复杂模型中的结构和参数
40 辨识变得十分方面。
1 遗传算法组成
遗传算法主要组成部分包括编码方案、适应度计算［3］、父代选择、交叉算子和变异算
作者简介：刘闯，（1982-），男，硕士研究生，主要研究方向：移动通信及现代通信理论与仿真研究
- 1 -中国科技论文在线
子。
（1）编码方案
45 编码是应用遗传算法时所要解决的首要问题，也是设计遗传算法时的一个关键步骤。编
码把参数空间的点转换为位串来表示。编码方法除了决定了个体的染色体排列形式外，它还
决定了个体从搜索空间的基因型变化到解空间的表现型的解码方法，编码的方法对于遗传操
作，尤其是对于交叉操作的功能有很大影响。在很多情况下，编码形式就决定了交叉操作。
（2）适应度计算
50 遗传算法在进化搜索中基本不利用外部信息，仅以适应度函数为依据，利用种群中每个
个体的适应度来进行搜索。在产生初始群体过后的第一步，计算群体中每个个体的适应度值，
对于最大化问题，第 i 个个体的适应度值 fi 通常就是在此(或点)处求得的目标函数。适应度
值往往需要是正的。因此，在目标函数不产格为正的情况下，就必须使用某种单调的尺度变
换。
55 （3）选择
在计算出适应度值过后，需要从当前一代生成一组新的种群。选择操作决定哪些个体参
与生成下一代的个体。这类似于自然选择中的适者生存，其中最常用的是比例选择法。
（4）交叉
交叉操作往往应用于根据一定概率选择的个体对，这一概率等于给定的交叉率。交叉方
60 法主要有：单点交叉、两点交叉、多点交叉和一致交叉。单点交叉是最基本的交叉算子。其
中，基因码的交叉点是随机而定的，两个父代个体在交叉点进