专利名称：一种更新遗传种群的分段替换方法
技术领域：
本发明涉及一种改进型的遗传算法(Genetic Algorithm,GA),尤其涉及一种更新遗传种群的分段替换方法。
背景技术：
遗传算法是一种实用、高效、鲁棒性强的优化技术，它摒弃传统的搜索方式，模拟自然界生物进化的过程，对目标空间进行随机优化搜索。在遗传算法中，一个个体对应一个可行解，每个可行解通常可以编码成称之为染色体的符号串。根据达尔文的自然选择和优胜劣汰的生物进化过程，对由多个个体组成的种群反复进行基于遗传学的操作。遗传算法被广泛应用于工业、经济管理、交通运输、工业设计等不同领域。在遗传算法中，利用适应值来度量个体对于生存环境的适应程度，种群中个体的数目称为种群规模。基于遗传学的操作主要包含三个步骤，即选择、交叉和变异。选择操作是将种群中适应值高的个体遗传到下一代，实现优胜劣汰；交叉和变异是产生新个体的主要方法，可维持种群的多样性，在一定程度上防止早熟。在GA运行的初期阶段，相对整个种群来说，群体中可能会有少数几个个体的适应值非常高。若使用选择操作，如轮盘赌选择方法，来确定某个个体是否被选择时，若干个具有较高适应值的染色体会在下一代群体中占有很高的比例。在极端情况下或当群体规模较小时，新的群体甚至完全由这样的少数几种染色体所组成。由于具有相同染色体的两个个体不论在何 处进行交叉操作，都不会产生出新的染色体，这样就会使群体的多样性降低，导致遗传算法发生早熟收敛现象。同时在GA运行的后期阶段，群体中所有个体的平均适应值接近于群体中最优个体的适应值，所有个体都以接近的概率被遗传到下一代，从而使得进化过程退变为一种随机选择过程，缺乏竞争性。
发明内容
本发明的目的在于提供一种更新遗传种群的分段替换方法。为达到上述目的，本发明采用了以下技术方案:在遗传种群的迭代过程中，始终在记忆种群中保存一个全局最优的个体I^pt，而在遗传算法(GA)的每一次迭代过程中，都会选出一个本轮迭代的适应值最高的个体b并保存在记忆种群中，同时比较b与Iv的适应值，如果b的适应值高于b。-则将b的相关信息复制给b_，否则b_保持不变。当一个遗传种群经过基于遗传学的选择、交叉和变异三个步骤后，增加本发明提出的第四个分段替换步骤，算法流程图如图1所示。操作如下:(I)种群分段如图2所示，将遗传种群中的个体按适应值从高到低进行排序，然后分为三部分:A类:适应值最高的50%种群。遗传种群中按适应值排序在前50%的部分将保留到下一次迭代过程中；B类:适应值较低的37.5%种群。遗传种群中按适应值排序在前50%和后12.5%之间的部分用替换候选种群中的个体进行替换；C类:适应值最低的12.5%种群。遗传种群中按适应值排序在后12.5%的部分被视为丢弃种群，模拟自然死亡抛弃，用随机生成的新种群直接代替。在利用本算法进行具体问题的求解时，对三个部分而言，可以根据实际情况，依照A类的比例不低于40%，C类的比例不超过30%的原则，对种群中保留到下次迭代部分(A类)的比例以及丢弃部分(C类)的比例进行调整。(2) B类种群替换GA中的I^pt是判断某个个体是否可以成为克隆对象的一个很好的参照标准，因为若该个体的染色体和I^pt的差异度越低，该个体的适应值也越高。因此，当完成(I)之后，计算遗传种群中所有个体和遗传算法的全局最优解I^pt的差异度值，然后将遗传种群中所有个体按差异度值从低到高进行排序，本发明只取遗传种群中按差异度值排序在前25%的个体作为克隆母本，将这些克隆母本根据文献刘星宝，蔡自兴等.用于全局优化问题的混合免疫进化算法[J].西安电子科技大学学报(自然科学版)，2010，37(5):971-980.中的动态克隆策略组成克隆种群，克隆种群按照一定的变异概率变异之后，和记忆种群一起组成替换候选种群。最后将替换候选种群中的个体按照适应值从高到低的顺序排序，依次选取适应值较高的个体替换遗传种群中按适应值排序在前50%和后12.5%之间的部分(B类)中的所有个体。(3) C类种群替换C类种群属于不适应类型，可以视为丢弃种群，使用新生的个体种群直接替换掉。所述记忆种群用集合M=Dvm2,…，nvJ表示,第t次迭代在经历选择、交叉和变异三个步骤的遗传操作后，从遗传种群中选出适应值最高的个体mt，将个体mt添加到集合M中本发明针对GA种群中出现的早熟收敛现象和优质种群利用率低的缺陷，在遗传变异操作之后再增加一个分段替换步骤，可以使GA取得提高具有优质染色体个体的利用率和避免早熟收敛的折中，因此可以提高遗传算法的性能。
图1是基于分段替换方法的遗传算法流程图；图2是本发明设计的分段替换策略示意图。
具体实施例方式下面结合附图对本发明作进一步说明。遗传算法是模拟生物进化过程，优化原始数据向量，使其具有更高的适应性。原始数据向量Χ=[Χ(1)，Χ(2)，...，χ(ν)]τ，其中V是向量的长度，假设初始个体集合为= ，…，bz^bj，其中:L为种群规模，第i个个体的染色体表示为I^i=Iibi (Ihbi (2)，...，bjv)，...，bJV)]'IDi (V) e {1，-1}，v=l,…，V。遗传优化的步骤如下 :第一步:初始化种群。根据具体的应用背景来确定算法的适应值函数，如在降低正交频分复用的高峰均比时，适应值函数L.Yang, R.S.Chenj Y.M.Siu and K.K.So0.An EfficientSphere Decoding Approach for PTS Assisted PAPR Reduction of OFDM Signals[J].AEU-1nternational Journal of Electronics and Communications，2007，61 (10):684-68
8.可定义为:
权利要求
1.一种更新遗传种群的分段替换方法，其特征在于:在遗传算法的每一次迭代过程中，当遗传种群经过选择、交叉和变异三个步骤后，将遗传种群中的个体按适应值从高到低进行排序，遗传种群中按适应值排序在前50%的部分保留；遗传种群中按适应值排序在前50%和后12.5%之间的部分用替换候选种群中的个体进行替换；遗传种群中按适应值排序在后12.5%的部分用随机生成的新种群代替。
2.根据权利要求1所述一种更新遗传种群的分段替换方法，其特征在于:计算遗传种群中所有个体和全局最优解的差异度值，然后将遗传种群中所有个体按差异度值从低到高进行排序，取遗传种群中按差异度值排序在前25%的个体作为克隆母本，将克隆母本根据动态克隆策略组成克隆种群，克隆种群变异之后，和记忆种群一起组成替换候选种群。
3.根据权利要求1所述一种更新遗传种群的分段替换方法，其特征在于:将替换候选种群中的个体按照适应值从高到低的顺序排序，依次选取适应值较高的个体替换遗传种群中按适应值排序在前50%和后12.5%之间的部分中的所有个体。
全文摘要
本发明公开了一种更新遗传种群的分段替换方法，该方法根据选择、交叉和变异操作之后的种群，按实际情况分三段进行处理合适的种群直接保留到下一代；同时引入克隆选择方法，充分利用合适种群来替换中间部分的种群；剩余不合适的种群则会被新生的种群替换，该方法不但使整个种群保持多样性，避免早熟收敛，还提高了优质种群的使用率，因此可以提高遗传算法性能。
文档编号G06N3/12GK103116805SQ20131005422
公开日2013年5月22日 申请日期2013年2月20日 优先权日2013年2月20日
发明者冯兴乐, 张少博, 路萍, 杨楠, 薛国伟 申请人:长安大学