遗传算法的应用与发展
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
[9] 随顺旭,张欣，等.基于遗传算法优化模糊PID控制器的研究 [J].计算机光盘软件与应用，2011,2：1.
[10]王鸿斌,张立毅.基于遗传算法优化神经网络的多用户检测 [J].计算机工程，2011,7：207-209.
[11]胡德福.结合改进的遗传算法的BP人工神经网络岩爆预测研究 [J].铁道勘测与设计，2011,2：94-96.
三、遗传算法发展展望
遗传算法是智能控制领域中一个很活跃的应用算法，在21世纪，随着科学技术的迅猛发展和智能控制的日益成熟，遗传算法也在发展中慢慢成熟，遗传算法也必然会迅猛发展。由于遗传算法具有生物遗传学的特性，所以，遗传算法会向着精密、高端的方向发展。总的来说，遗传算法未来会在硬件电路的设计、和智能控制其他的控制算法相结合发展；在大规模的城市生活设施的管理方面、航空航天、军工、精密仪器的设计制造、气象方面、灾难预测：例如地震、泥石流等；由于遗传算法的生物遗传特性，因此它也可以应用于人造器官的设计制造、机器人的关节控制、电力系统的控制、自动控制领域等等。相信，在未来，遗传算法会发展的越来越快，也能够为国家的发展做出应有贡献，为经济、军事、政治的发展发挥一份力量。
Chen Wangchang
Guangxi University of Technology,Liuzhou city, Guangxi province
AbstractGenetic Algorithmas a branch ofintelligent control,it playing a more and more obvious important rolein the modern control.This paper mainly talk about someappliesofGenetic Algorithmandpossible development trend and directioninfuture.
1991年，L. Davis出版《遗传算法手册》，为遗传算法的推广普及做出贡献。
1992年，J. R. Koza成功把遗传算法的方法应用于计算机程序的编写，并把遗传编程的方法应用于多个方面。
二、遗传算法的应用
遗传算法发展得愈来愈成熟，因而它得到了越来越广泛的应用。总的来说，遗传算法主要应用在经典应用领域和现代控制领域。在经典应用领域，遗传算法主要用于路径的优化，求解问题的解决方案，例如：
KeywordsGenetic Algorithm, Intelligent control, Apply
一、遗传算法的基本原理和发展
遗传算法简称GA（GeneticAlgorithm），是近年来发展起来的一种全局最优化方法，也是智能控制的一个分支，是1962年Holland教授提出的借用生物遗传的原理，并模拟生物的遗传机制和生物的进化结合而生成的一种最优化方法。遗传算法是以包含着“遗传、变异、生存斗争和适者生存”的自然选择学说为发展基础发展起来的。引用“适者生存、优胜劣汰”的生物遗传学原理，实现各个个体的性能的提高。
[12]姚丽丽,史海波,刘昶,潘福成.烟草排产中嵌入规则的遗传算法应用研究制 [J].造业自动化，2011,8：89-93.
[13]李慧玲,李春明.一种基于遗传算法和神经网络的故障诊断方法 [J].电子科学与工程，2011,4：43-47.
[14]徐雁飞,幸海琼.遗传算法的应用及研究分析 [J].电脑学习，2010,3：113-115.
较传统的搜索方法而言，遗传算法使用的是全局搜索策略，因而它的鲁棒性更好，其全局优化方法的能力来源更宽，优化能力也比传统搜索方法更强，但是遗传算法也有搜索全局性的限制，这主要是因为需要优化的群体的大小限制以及群体的高维性的差异直接限制了算法的搜索。从而限制了算法的精度，为此，许多研究人员针对这一问题缺陷做了很多研究，对遗传算法进行改进，现有三种方法可以较好地提高遗传算法的精度：第一是将编码方法和遗传机制的操作改进；第二是将其与传统算法相结合，改善其收敛速度；第三是将其和模糊控制等算法结合形成较为先进的混合控制算法，提高算法的优化精度、微调能力等。另外，遗传算法在实际应用中还有可能出现早熟收敛、得到的解决方案不是全局最优解、搜索效率低等缺陷，为此，有人提出了针对解决这几个缺陷的方法，从而出现以下的几个子遗传算法：小生境遗传算法，自适应遗传算法，并行遗传算法，混和遗传算法。这几个算法对解决遗传算法在实际应用中的缺陷有着良好的作用效果。
参考文献:
[1]陶砚蕴徐萃华林家骏.遗传算法的发展及在入侵检测中的应用现状 [J].传感器世界，2007,4：11-12.
[2]Jing Huang,Gürsel A. Süer,Shravan B. R. Urs.Genetic algorithm for rotary machine scheduling with dependent processing times[J].Journal of Intelligent Manufacturing, Online First, 2 March 2011：1-18.
遗传算法的应用与发展
陈旺昌
广西工学院 广西柳州
摘要遗传算法作为智能控制的一个分支,在现代控制中发挥着越来越明显的重要作用。本文主要介绍遗传算法的一些应用及未来可能的发展趋势和方向。
关键词遗传算法 智能控制 应用
The application and development of Genetic Algorithm
遗传算法还可以应用于神经网络的优化解决多用户的检测问题也可以和神经网络相结合用于诊断电力系统和电子元器件在使用过程中出现的故障保障系统和元件的可靠性和安三遗传算法发展展望遗传算法是智能控制领域中一个很活跃的应用算法在21世纪随着科学技术的迅猛发展和智能控制的日益成熟遗传算法也在发展中慢慢成熟遗传算法也必然会迅猛发展
在工程和科研方面，遗传算法也发挥了它应有的作用。在煤矿高转速永磁同步电机的研究中，有人用遗传算法对电机的运转特性进行仿真，并取得良好效果。国外，还有利用遗传算法来处理转缸式发动机的加工处理时间以及对发动机的运行各个特性数据进行处理，来改善发动机的性能；还将遗传算法应用于多目标策略的基因选择中的数据表达，将遗传算法用来判断基因的活跃度，进而选择将信号发送给基因表达的主体，选择是否表达该基因。还有，可以利用改进的遗传算法和BP人工神经网络相结合的方法，来预测岩爆，达到良好效果。在流体机械研究制造这方面，利用遗传算法和人工神经网络相结合的方法，用于流体的主动控制、空气动力学参数的设计、用于插值的空气动力学的数据函数等工程研究，完善流体机械的动力学特性，使流体机械更加符合设计的动力学原理。
自动控制领域。在自动控制领域中，需要求解很多与优化有关的问题，遗传算法已得到初步应用。比如，利用遗传算法应用于现代化的电力系统中，检测电力系统中的电力原件的工作特性变化，进行负荷检测，遏制超调量的过高；把遗传算法应用于模糊控制中，改变控制器参数，改善模糊控制器的性能，实现模糊控制的在线自动优化。
人工生命领域。人工生命是用计算机等手段模拟或制造出具有生物系统特征行为的人造系统。基于人工生命和遗传算法都是具有生物遗传特征的这一共性，把遗传算法应用于人工生命领域，遗传算法可以为人工生命提供一个有效的研究手段。
[6]许良凤,林辉,等.基于并行遗传算法的Otsu双阈值医学图像分割 [J].工程图学学报，2011,2：88-89.
[7]柏磊,顾陈,严璐,朱晓华.基于适应度评价扩展自适应遗传算法的门级电路进化设计[J].南京理工大学学报：自然科学版，2011,2：240-244.
[8]刘文远,刘彬.基于协同进化的自适应遗传算法研究 [J].计算机工程与应用，2011,14：31-34.
从Holland教授基础遗传算法的思想到现在，遗传算法的发展不过才40多年的历史，总的来说，遗传算法的发展历史可以分为以下阶段：
20世纪70年代初Holland教授首次提出遗传算法的思想和基本原理，奠定理论基础。1975年他出版了《自然系统和人工系统的自适应性》一书，该书主要论述遗传算法和人工系统的关系。80年代，他用遗传算法第一个实现了机器学习系统，开创算法学习的新篇章。
在医学应用上，遗传算法也发挥了其越来越明显的作用 。用并行的遗传算法来处理Otsu双阀值医学图像的分割，也就是一方面将计算机的高速并行性和遗传算法的自然并行性结合起来，使得求解速度和质量大大提高；另一方面在子群体间并行进行，避免单个子群体过早过快收敛，提高收敛速度和收敛质量。将分割结果和Otsu双阀值分割结果相比较，提高分割结果的稳定性和分割精度。另外，将并行的混合遗传算法还可以应用于医学的深度像的精确配准，利用基因和染色体（一种位置变换关系）的相关关系，构建相应的适应值函数，对图像Fra Baidu bibliotek行精确度的配准，对于那些面临报废而又有着相当意义的医学图像的配准重塑，具有重要意义。
1967年，Holland教授的学生J. D. Bagley首次提出“遗传算法”，并发表论文，发展遗传算子，创立自适应遗传算法新概念。
1975年，K. A. DeJong博士在博士论文中树立遗传算法的工作框架，推荐适用于多数问题优化的遗传算法参数，定义其在评价性能方面的一些指标。
1989年，D. J. Goldberg在《搜索、优化和机器学习中的遗传算法》一书中论述遗传算法的原理及应用，为现代遗传算法的发展奠定科学的基础。
函数优化。这是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例。特别是对那些非线性、模型多、目标覆盖广的函数优化问题，用传统优化方法难于找到最优解，但是用遗传算法却可以得到较好的结果。
组合优化方面。随着问题增大，组合优化搜索空间也增大，传统的优化方法很难找到最优解，运用遗传算法可以很方便的得到满意的结果，因为遗传算法本身就是为寻求最优解而产生的。
此外，遗传算法在智能控制领域也发挥着作用。在智能仪器的设计和研究方面，将遗传算法和模糊神经网络结合在一起，对PID控制器进行参数的修改和完善，改变隶属函数和控制规则，降低控制器的依赖性，实现一起的在线自动调整，改进控制效果，再用Mat lab等工具仿真研究，设计制造出性能更强成本更低的智能仪器。
遗传算法是一个非常活跃的应用算法，除了在以上提及的方面有应用外，遗传算法还和模拟控制中的模拟退火控制结合，形成一种改进型的最优解算法应用于小规模的地下水的管理系统中；在电路设计中也有遗传算法的应用，不过应用不多。像基于自适应度扩展的自适应遗传算法在门极电路的研究应用中，就是将遗传算法把每个逻辑输出单元进行合理处理，寻找适应度评价值的最优值，该方法在门电路的设计上面不仅收敛速度快，而且成功率高。遗传算法还可以应用于神经网络的优化，解决多用户的检测问题，也可以和神经网络相结合，用于诊断电力系统和电子元器件在使用过程中出现的故障，保障系统和元件的可靠性和安全性。
[3]李楠,高鹏东,鲁永泉,余文华.并行混合遗传算法在深度像配准中的应用研究 [J].计算机工程与应用，2011年12期：12-13.
[4]俞国燕,王筱珍.改进遗传算法的应用研究 [J].机械制造，2007,5：58-60.
[5]周颖波,邝继腰,杨脯.基于FPGA的遗传算法流水线设计与实现 [J].计算机工程，2011,7：268-269.
在现代控制领域中，无论是现代化生产、科研、工程、还是医学，单单一种优化方法往往已不能满足现代生产和控制的高精度、高效率的要求，遗传算法往往通过与其他算法或者是计算机软件编程语言等相结合的手段来提高控制精度，提高并改善群体的性能。例如，用MAT-LAB语言、C语言实现遗传算法
在现代化生产中，有人提出了把现代工厂的流水线按“选择单元、交叉单元、变异单元、适应度计算单元”的方式划分，并用基于FPGA的遗传算法设计实现了流水线的生产功能，使其更加先进，功能更完善。
[15]周淑娟.遗传算法与人工神经网络在流体机械研究领域中的应用 [J].廊坊师范学院学报：自然科学版，2011,2：40-43.
生产调度问题。运用传统的数学建模的方法已经很难对付生产过程中出现的问题，利用遗传算法可以有效解决复杂调度问题。在单件生产、流水线作业、生产规模、等方面，遗传算法都发挥了它应有的作用。例如，在烟草排产中直接应用遗传算法，用算法来设计排产的规则，合理安排排产的思路，构建着实有效的排产模型，根据已构建好的排产模型，确定相关的操作，再利用编码、变异等子算法，可以提高烟草排产的效率，节约成本。
[10]王鸿斌,张立毅.基于遗传算法优化神经网络的多用户检测 [J].计算机工程，2011,7：207-209.
[11]胡德福.结合改进的遗传算法的BP人工神经网络岩爆预测研究 [J].铁道勘测与设计，2011,2：94-96.
三、遗传算法发展展望
遗传算法是智能控制领域中一个很活跃的应用算法，在21世纪，随着科学技术的迅猛发展和智能控制的日益成熟，遗传算法也在发展中慢慢成熟，遗传算法也必然会迅猛发展。由于遗传算法具有生物遗传学的特性，所以，遗传算法会向着精密、高端的方向发展。总的来说，遗传算法未来会在硬件电路的设计、和智能控制其他的控制算法相结合发展；在大规模的城市生活设施的管理方面、航空航天、军工、精密仪器的设计制造、气象方面、灾难预测：例如地震、泥石流等；由于遗传算法的生物遗传特性，因此它也可以应用于人造器官的设计制造、机器人的关节控制、电力系统的控制、自动控制领域等等。相信，在未来，遗传算法会发展的越来越快，也能够为国家的发展做出应有贡献，为经济、军事、政治的发展发挥一份力量。
Chen Wangchang
Guangxi University of Technology,Liuzhou city, Guangxi province
AbstractGenetic Algorithmas a branch ofintelligent control,it playing a more and more obvious important rolein the modern control.This paper mainly talk about someappliesofGenetic Algorithmandpossible development trend and directioninfuture.
1991年，L. Davis出版《遗传算法手册》，为遗传算法的推广普及做出贡献。
1992年，J. R. Koza成功把遗传算法的方法应用于计算机程序的编写，并把遗传编程的方法应用于多个方面。
二、遗传算法的应用
遗传算法发展得愈来愈成熟，因而它得到了越来越广泛的应用。总的来说，遗传算法主要应用在经典应用领域和现代控制领域。在经典应用领域，遗传算法主要用于路径的优化，求解问题的解决方案，例如：
KeywordsGenetic Algorithm, Intelligent control, Apply
一、遗传算法的基本原理和发展
遗传算法简称GA（GeneticAlgorithm），是近年来发展起来的一种全局最优化方法，也是智能控制的一个分支，是1962年Holland教授提出的借用生物遗传的原理，并模拟生物的遗传机制和生物的进化结合而生成的一种最优化方法。遗传算法是以包含着“遗传、变异、生存斗争和适者生存”的自然选择学说为发展基础发展起来的。引用“适者生存、优胜劣汰”的生物遗传学原理，实现各个个体的性能的提高。
[12]姚丽丽,史海波,刘昶,潘福成.烟草排产中嵌入规则的遗传算法应用研究制 [J].造业自动化，2011,8：89-93.
[13]李慧玲,李春明.一种基于遗传算法和神经网络的故障诊断方法 [J].电子科学与工程，2011,4：43-47.
[14]徐雁飞,幸海琼.遗传算法的应用及研究分析 [J].电脑学习，2010,3：113-115.
较传统的搜索方法而言，遗传算法使用的是全局搜索策略，因而它的鲁棒性更好，其全局优化方法的能力来源更宽，优化能力也比传统搜索方法更强，但是遗传算法也有搜索全局性的限制，这主要是因为需要优化的群体的大小限制以及群体的高维性的差异直接限制了算法的搜索。从而限制了算法的精度，为此，许多研究人员针对这一问题缺陷做了很多研究，对遗传算法进行改进，现有三种方法可以较好地提高遗传算法的精度：第一是将编码方法和遗传机制的操作改进；第二是将其与传统算法相结合，改善其收敛速度；第三是将其和模糊控制等算法结合形成较为先进的混合控制算法，提高算法的优化精度、微调能力等。另外，遗传算法在实际应用中还有可能出现早熟收敛、得到的解决方案不是全局最优解、搜索效率低等缺陷，为此，有人提出了针对解决这几个缺陷的方法，从而出现以下的几个子遗传算法：小生境遗传算法，自适应遗传算法，并行遗传算法，混和遗传算法。这几个算法对解决遗传算法在实际应用中的缺陷有着良好的作用效果。
参考文献:
[1]陶砚蕴徐萃华林家骏.遗传算法的发展及在入侵检测中的应用现状 [J].传感器世界，2007,4：11-12.
[2]Jing Huang,Gürsel A. Süer,Shravan B. R. Urs.Genetic algorithm for rotary machine scheduling with dependent processing times[J].Journal of Intelligent Manufacturing, Online First, 2 March 2011：1-18.
遗传算法的应用与发展
陈旺昌
广西工学院 广西柳州
摘要遗传算法作为智能控制的一个分支,在现代控制中发挥着越来越明显的重要作用。本文主要介绍遗传算法的一些应用及未来可能的发展趋势和方向。
关键词遗传算法 智能控制 应用
The application and development of Genetic Algorithm
遗传算法还可以应用于神经网络的优化解决多用户的检测问题也可以和神经网络相结合用于诊断电力系统和电子元器件在使用过程中出现的故障保障系统和元件的可靠性和安三遗传算法发展展望遗传算法是智能控制领域中一个很活跃的应用算法在21世纪随着科学技术的迅猛发展和智能控制的日益成熟遗传算法也在发展中慢慢成熟遗传算法也必然会迅猛发展
在工程和科研方面，遗传算法也发挥了它应有的作用。在煤矿高转速永磁同步电机的研究中，有人用遗传算法对电机的运转特性进行仿真，并取得良好效果。国外，还有利用遗传算法来处理转缸式发动机的加工处理时间以及对发动机的运行各个特性数据进行处理，来改善发动机的性能；还将遗传算法应用于多目标策略的基因选择中的数据表达，将遗传算法用来判断基因的活跃度，进而选择将信号发送给基因表达的主体，选择是否表达该基因。还有，可以利用改进的遗传算法和BP人工神经网络相结合的方法，来预测岩爆，达到良好效果。在流体机械研究制造这方面，利用遗传算法和人工神经网络相结合的方法，用于流体的主动控制、空气动力学参数的设计、用于插值的空气动力学的数据函数等工程研究，完善流体机械的动力学特性，使流体机械更加符合设计的动力学原理。
自动控制领域。在自动控制领域中，需要求解很多与优化有关的问题，遗传算法已得到初步应用。比如，利用遗传算法应用于现代化的电力系统中，检测电力系统中的电力原件的工作特性变化，进行负荷检测，遏制超调量的过高；把遗传算法应用于模糊控制中，改变控制器参数，改善模糊控制器的性能，实现模糊控制的在线自动优化。
人工生命领域。人工生命是用计算机等手段模拟或制造出具有生物系统特征行为的人造系统。基于人工生命和遗传算法都是具有生物遗传特征的这一共性，把遗传算法应用于人工生命领域，遗传算法可以为人工生命提供一个有效的研究手段。
[6]许良凤,林辉,等.基于并行遗传算法的Otsu双阈值医学图像分割 [J].工程图学学报，2011,2：88-89.
[7]柏磊,顾陈,严璐,朱晓华.基于适应度评价扩展自适应遗传算法的门级电路进化设计[J].南京理工大学学报：自然科学版，2011,2：240-244.
[8]刘文远,刘彬.基于协同进化的自适应遗传算法研究 [J].计算机工程与应用，2011,14：31-34.
从Holland教授基础遗传算法的思想到现在，遗传算法的发展不过才40多年的历史，总的来说，遗传算法的发展历史可以分为以下阶段：
20世纪70年代初Holland教授首次提出遗传算法的思想和基本原理，奠定理论基础。1975年他出版了《自然系统和人工系统的自适应性》一书，该书主要论述遗传算法和人工系统的关系。80年代，他用遗传算法第一个实现了机器学习系统，开创算法学习的新篇章。
在医学应用上，遗传算法也发挥了其越来越明显的作用 。用并行的遗传算法来处理Otsu双阀值医学图像的分割，也就是一方面将计算机的高速并行性和遗传算法的自然并行性结合起来，使得求解速度和质量大大提高；另一方面在子群体间并行进行，避免单个子群体过早过快收敛，提高收敛速度和收敛质量。将分割结果和Otsu双阀值分割结果相比较，提高分割结果的稳定性和分割精度。另外，将并行的混合遗传算法还可以应用于医学的深度像的精确配准，利用基因和染色体（一种位置变换关系）的相关关系，构建相应的适应值函数，对图像Fra Baidu bibliotek行精确度的配准，对于那些面临报废而又有着相当意义的医学图像的配准重塑，具有重要意义。
1967年，Holland教授的学生J. D. Bagley首次提出“遗传算法”，并发表论文，发展遗传算子，创立自适应遗传算法新概念。
1975年，K. A. DeJong博士在博士论文中树立遗传算法的工作框架，推荐适用于多数问题优化的遗传算法参数，定义其在评价性能方面的一些指标。
1989年，D. J. Goldberg在《搜索、优化和机器学习中的遗传算法》一书中论述遗传算法的原理及应用，为现代遗传算法的发展奠定科学的基础。
函数优化。这是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例。特别是对那些非线性、模型多、目标覆盖广的函数优化问题，用传统优化方法难于找到最优解，但是用遗传算法却可以得到较好的结果。
组合优化方面。随着问题增大，组合优化搜索空间也增大，传统的优化方法很难找到最优解，运用遗传算法可以很方便的得到满意的结果，因为遗传算法本身就是为寻求最优解而产生的。
此外，遗传算法在智能控制领域也发挥着作用。在智能仪器的设计和研究方面，将遗传算法和模糊神经网络结合在一起，对PID控制器进行参数的修改和完善，改变隶属函数和控制规则，降低控制器的依赖性，实现一起的在线自动调整，改进控制效果，再用Mat lab等工具仿真研究，设计制造出性能更强成本更低的智能仪器。
遗传算法是一个非常活跃的应用算法，除了在以上提及的方面有应用外，遗传算法还和模拟控制中的模拟退火控制结合，形成一种改进型的最优解算法应用于小规模的地下水的管理系统中；在电路设计中也有遗传算法的应用，不过应用不多。像基于自适应度扩展的自适应遗传算法在门极电路的研究应用中，就是将遗传算法把每个逻辑输出单元进行合理处理，寻找适应度评价值的最优值，该方法在门电路的设计上面不仅收敛速度快，而且成功率高。遗传算法还可以应用于神经网络的优化，解决多用户的检测问题，也可以和神经网络相结合，用于诊断电力系统和电子元器件在使用过程中出现的故障，保障系统和元件的可靠性和安全性。
[3]李楠,高鹏东,鲁永泉,余文华.并行混合遗传算法在深度像配准中的应用研究 [J].计算机工程与应用，2011年12期：12-13.
[4]俞国燕,王筱珍.改进遗传算法的应用研究 [J].机械制造，2007,5：58-60.
[5]周颖波,邝继腰,杨脯.基于FPGA的遗传算法流水线设计与实现 [J].计算机工程，2011,7：268-269.
在现代控制领域中，无论是现代化生产、科研、工程、还是医学，单单一种优化方法往往已不能满足现代生产和控制的高精度、高效率的要求，遗传算法往往通过与其他算法或者是计算机软件编程语言等相结合的手段来提高控制精度，提高并改善群体的性能。例如，用MAT-LAB语言、C语言实现遗传算法
在现代化生产中，有人提出了把现代工厂的流水线按“选择单元、交叉单元、变异单元、适应度计算单元”的方式划分，并用基于FPGA的遗传算法设计实现了流水线的生产功能，使其更加先进，功能更完善。
[15]周淑娟.遗传算法与人工神经网络在流体机械研究领域中的应用 [J].廊坊师范学院学报：自然科学版，2011,2：40-43.
生产调度问题。运用传统的数学建模的方法已经很难对付生产过程中出现的问题，利用遗传算法可以有效解决复杂调度问题。在单件生产、流水线作业、生产规模、等方面，遗传算法都发挥了它应有的作用。例如，在烟草排产中直接应用遗传算法，用算法来设计排产的规则，合理安排排产的思路，构建着实有效的排产模型，根据已构建好的排产模型，确定相关的操作，再利用编码、变异等子算法，可以提高烟草排产的效率，节约成本。