遺傳算法在計(jì)算機(jī)智能方面的運(yùn)用

林涌（云南交通職業(yè)技術(shù)學(xué)院，云南昆明 650500）

遺傳算法在計(jì)算機(jī)智能方面的運(yùn)用

林涌
（云南交通職業(yè)技術(shù)學(xué)院，云南昆明 650500）

21世紀(jì)是一個(gè)經(jīng)濟(jì)、科技和學(xué)種學(xué)科知識相互交融的時(shí)代，在如今的工作生活中出現(xiàn)了一種應(yīng)用率極高且較為廣泛的隨機(jī)搜素的優(yōu)化方法，那便是在進(jìn)化理論基礎(chǔ)上發(fā)展起來的遺傳算法。同時(shí)在當(dāng)代的時(shí)代潮流中，它已經(jīng)成功的引起了社會各界對它的關(guān)注，關(guān)于遺傳算法在未來的發(fā)展，也引起了社會各界人士的注意。本文對遺傳算法的應(yīng)用領(lǐng)域及發(fā)展前景進(jìn)行了探討。

遺傳算法 計(jì)算機(jī)智能發(fā)展 未來的運(yùn)用

關(guān)于遺傳算法所帶來的優(yōu)勢，可謂是有目眾睹，但是，對于遺傳算法的未來，能否與人的行為相比較，仍然是一個(gè)值得思考的問題。因?yàn)?，在一些有關(guān)創(chuàng)新設(shè)計(jì)的項(xiàng)目選擇上，它更多的依賴的還是人類的主觀思考，所以，遺傳算法在未來如何能夠?qū)崿F(xiàn)系統(tǒng)運(yùn)用的最優(yōu)化，且保證其不斷的前進(jìn)而不是后退，最終能夠?qū)崿F(xiàn)一種智能化評價(jià)的愿望，這也便成了大家所研究的重點(diǎn)。

1　遺傳算法的定義

遺傳算法是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，它是通過對達(dá)爾文生物進(jìn)化論和遺傳學(xué)機(jī)理的生物進(jìn)化過程所進(jìn)行的自然選擇所得出的一種計(jì)算模型。遺傳算法是從代表問題可能潛在的解集的一個(gè)種群開始的，而一個(gè)種群則由經(jīng)過基因編碼的一定數(shù)目的個(gè)體組成。每個(gè)個(gè)體實(shí)際上是染色體帶有特征的實(shí)體。染色體作為遺傳物質(zhì)的主要載體，即多個(gè)基因的集合，其內(nèi)部表現(xiàn)（即基因型）是某種基因組合，它決定了個(gè)體的形狀的外部表現(xiàn)，如黑頭發(fā)的特征是由染色體中控制這一特征的某種基因組合決定的。這個(gè)過程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過解碼，可以作為問題近似最優(yōu)解。

2　關(guān)于遺傳算法的基礎(chǔ)內(nèi)容

2.1遺傳算法的基礎(chǔ)知識

遺傳算法是一種通過模擬生物進(jìn)化而發(fā)明的智能優(yōu)化算法，它的出現(xiàn)是在六十年代，同時(shí)遺傳算法已經(jīng)是進(jìn)化計(jì)算研究的一個(gè)重要組成部分了。而關(guān)于遺傳算法的主要操作方法是選擇、交叉、變異這三個(gè)主要的遺傳算子，遺傳算法在求解大規(guī)模、高度非線性、不連續(xù)的最優(yōu)化問題上具有顯著的發(fā)展優(yōu)勢。

2.2遺傳算法的優(yōu)勢所在

在過去我們通過工作經(jīng)驗(yàn)的總結(jié)以后，我們會發(fā)現(xiàn)在與傳統(tǒng)的優(yōu)化方法相比較而言，遺傳算法的優(yōu)勢所在之多，接下來我們就進(jìn)行一系列的總結(jié)。第一，遺傳算法是不需要目標(biāo)函數(shù)的導(dǎo)數(shù)的，概率的轉(zhuǎn)移準(zhǔn)則。第二，遺傳算法是一種收斂性的證明，它是一種新型高效的遺傳算子設(shè)計(jì)；并且遺傳算法與局部優(yōu)化算法進(jìn)行了有機(jī)的結(jié)合，且創(chuàng)造出了最大化的效益。第三，遺傳算法的運(yùn)用現(xiàn)在已經(jīng)擴(kuò)展到社會各界的應(yīng)用領(lǐng)域中去，其廣泛化有時(shí)候真的是令人難以置信的。第四，遺傳算法使得計(jì)算機(jī)在目前的工作中已經(jīng)愈發(fā)的簡單化、系統(tǒng)化了。

2.3遺傳算法所涉及到的主要應(yīng)用領(lǐng)域

正如前文中我們所說的，遺傳算法的應(yīng)用領(lǐng)域早已擴(kuò)展到社會各界的工作生活中，那么關(guān)于遺傳算法的主要應(yīng)用領(lǐng)域有以下幾種。第一個(gè)，關(guān)于遺傳算法應(yīng)用領(lǐng)域中最為經(jīng)典的代表便是函數(shù)優(yōu)化了。函數(shù)的種類是多種多樣的，比如有凸函數(shù)和凹函數(shù)、確定函數(shù)和隨機(jī)函數(shù)、連續(xù)函數(shù)和離散函數(shù)等等。這些多種多樣的函數(shù)來評價(jià)遺傳算法的性能，往往更能反映出算法的本質(zhì)結(jié)果與影響，在實(shí)踐中證明之后，面對一些非線性、多模型、多目標(biāo)的函數(shù)優(yōu)化問題的時(shí)候，倘若不用遺傳算法來進(jìn)行求解，那么似乎找不到其他更方便和容易的優(yōu)化方法了。第二個(gè)，在這個(gè)時(shí)代里，問題日益增多且難度與日俱增，關(guān)于組合優(yōu)化的搜索空間也在迅速的擴(kuò)大之中，因此，關(guān)于組合優(yōu)化的問題也就凸現(xiàn)出來了。在面對這一類較為復(fù)雜性的問題時(shí)，我們早已將精力放在了滿意的答案上，對于這個(gè)過程的發(fā)展似乎也沒有想象中那么在意了，而對于現(xiàn)在人類所出現(xiàn)的這種現(xiàn)象，遺傳算法是滿足人類需求的最好的解決工具途徑之一了。通過日常工作實(shí)踐總結(jié)證明，遺傳算法在很多的現(xiàn)實(shí)問題方面已經(jīng)有了成功的案例和應(yīng)用心得了。第三個(gè)，回歸到我們的日常生產(chǎn)中，在生產(chǎn)調(diào)度的計(jì)算問題上，關(guān)于數(shù)據(jù)的計(jì)算是很難得到準(zhǔn)確的答案，也正因如此，這個(gè)問題的出現(xiàn)總會令工作人員頭疼不已，即使大家對這個(gè)問題進(jìn)行一系列的簡化，然后接著再進(jìn)行計(jì)算工作，但是，即使是這樣，計(jì)算出來的結(jié)果也往往與實(shí)際相差甚遠(yuǎn)，從而會影響工作的進(jìn)度。但是遺傳算法的出現(xiàn)卻為我們帶來了福音，終于可以擺脫計(jì)算的魔咒，更重要的是可以得到一個(gè)準(zhǔn)確的數(shù)據(jù)，并且可以使得我們?nèi)粘５墓ぷ魃a(chǎn)有效率的進(jìn)行著。第四個(gè)，圖像處理是計(jì)算機(jī)所涉及到的一個(gè)重要研究領(lǐng)域。通過日常的工作，我們可以發(fā)現(xiàn)在通過計(jì)算機(jī)進(jìn)行圖像處理工作時(shí)，比如掃描、特征提取、圖像分割時(shí)，總會出現(xiàn)這樣或者那樣的誤差，從而導(dǎo)致圖像效果的不理想化。在關(guān)于如何將它更接近真實(shí)化的問題上，我們進(jìn)行了長期的研究調(diào)查，最終，我們發(fā)現(xiàn)只有遺傳算法能夠圖片處理中所遇到的一些誤差問題進(jìn)行合理的解決，這也算是為遺傳算法在計(jì)算機(jī)圖像處理應(yīng)用中找到了自己的用武之地。第五個(gè)，人工生命是計(jì)算機(jī)、機(jī)械等人下媒體模擬或者構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。在關(guān)于人工生命的兩個(gè)重要特征是自組織能力和自學(xué)習(xí)能力。當(dāng)然，人工生命與遺傳算法也是有著密不可分的關(guān)系的?；谶z傳算法的進(jìn)化模型是研究人工生命現(xiàn)象的重要基礎(chǔ)理論。遺傳算法與人工生命兩者一路都是結(jié)伴而行且相輔相成的，在未來，這兩者的相輔相成定然可以使雙方走得更遠(yuǎn)。第六個(gè)，在近幾年的計(jì)算機(jī)發(fā)展過程中，發(fā)展越來越快的數(shù)據(jù)庫技術(shù)，便是數(shù)據(jù)挖掘的出現(xiàn)，它有能力將知識和規(guī)則從無窮無盡的大型數(shù)據(jù)庫中提取出來，并進(jìn)行一系列的相關(guān)數(shù)據(jù)計(jì)算。在應(yīng)用中，遺傳算法在數(shù)據(jù)庫中搜索，對一些隨機(jī)產(chǎn)生的數(shù)據(jù)重新進(jìn)行了規(guī)則覆蓋。通過結(jié)果表明，遺傳算法也是數(shù)據(jù)挖掘的最有效方法之一。

3　遺傳算法的發(fā)展趨勢

3.1遺傳算法的未來實(shí)現(xiàn)方案

在關(guān)于遺傳算法的實(shí)現(xiàn)方案中，我們進(jìn)行了多種的計(jì)算以及分析，最終關(guān)于并行遺傳算法的實(shí)現(xiàn)方案可以分為三類：第一個(gè)，從全局型出發(fā)，系統(tǒng)分為一個(gè)主處理器和若干個(gè)從處理器。主處理器監(jiān)控 整個(gè)染色體種群，并基于全局統(tǒng)計(jì)執(zhí)行選擇操作；各個(gè)從處理器

……

……接受來自主處理器的個(gè)體進(jìn)行重組交叉和變異，產(chǎn) 生新一代個(gè)體，并計(jì)算適應(yīng)。第二個(gè)，獨(dú)立型，粗粒度模型，我們可以將種群分成若干個(gè)子群體并且能夠分配給各自對應(yīng)的處理器，同時(shí)每個(gè)處理器不光光獨(dú)立計(jì)算適應(yīng)程度，而且獨(dú)立進(jìn)行選擇、重組交叉和變異操作，同時(shí)，在日常的工作中還要做到定時(shí)定點(diǎn)的相互傳送適應(yīng)程度最后的那個(gè)個(gè)體，由此來加快滿足中職條件的要求。需要注意的是粗粒度模型也稱為島嶼模型，而在此基礎(chǔ)上的遺傳算法也被稱為分布式的遺傳算法。

3.2關(guān)于遺傳算法的未來

縱觀遺傳算法的發(fā)展歷程，我們可以發(fā)現(xiàn)的是遺傳算法在為人類的生活帶來方便的同時(shí)，它也有這樣或者那樣的缺點(diǎn)需要我們進(jìn)行改進(jìn)，比如它的編碼存在著不規(guī)范不準(zhǔn)確的細(xì)節(jié)問題；遺傳算法在計(jì)算或運(yùn)行的過程中，沒有有效的定量分析方法；遺傳算法通常來說效率會比其他的傳統(tǒng)算法的效率低一些；遺傳算法的編碼問題不能全面的將優(yōu)化問題的約束表達(dá)出來，因此，在遺傳算法的編碼方面，依舊存在著許多的細(xì)節(jié)問題，這些問題的解決也是迫在眉睫的，所以我們在日后的工作中要加強(qiáng)相關(guān)方面的工作提升。

4　結(jié)語

隨著計(jì)算機(jī)應(yīng)用領(lǐng)域的分蘇發(fā)展，我們不容置疑的是遺傳算法在這一發(fā)展過程中提供了更加有力的手段。在這飛速發(fā)展的過程中，在國民生產(chǎn)、科學(xué)技術(shù)研究方面得到了較為廣泛的應(yīng)用。這個(gè)科學(xué)技術(shù)發(fā)展的時(shí)代中，現(xiàn)代科技對于隨機(jī)性問題，想要對其進(jìn)行合理的解決更加困難不已，但是在遺傳算法的出現(xiàn)時(shí)，這一切都有了希望。通過我們對遺傳算法在社會各界的應(yīng)用領(lǐng)域進(jìn)行了總結(jié)，但是我們依舊希望在未來，我們對其相關(guān)研究領(lǐng)域的進(jìn)一步分析與工作起到一定的推動作用。

［1］吳大宏，趙人達(dá).基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究初探［J］.四川建筑科學(xué)研究，2002年03期.

［2］張安勤.數(shù)據(jù)挖掘與進(jìn)化算法［J］.安徽教育學(xué)院學(xué)報(bào)，2002年03期.

［3］孟紅云，劉三陽.求解多目標(biāo)優(yōu)化問題的多智能體遺傳算法［J］.西北大學(xué)學(xué)報(bào)（自然科學(xué)版），2005年01期.

［4］李俊峰，戴文戰(zhàn).基于遺傳算法和灰色關(guān)聯(lián)度的多目標(biāo)問題求解方法研究［A］.第25屆中國控制會議論文集（上冊）［C］.2006年.

［5］蒙祖強(qiáng)，蔡自興.一種新的基于遺傳算法的數(shù)據(jù)分類方法［J］.小型微型計(jì)算機(jī)系統(tǒng)，2004年04期.