遗传算法理论及应用

人工智能,算法,遗传算法

44

内蒙古石油化工　　　　　　　　　　2006年第9期　

遗传算法理论及其应用发展

α

王志美,陈传仁

(长江大学地球物理与石油资源学院,荆州　434023)

　　摘　要:遗传算法是现在地球物理勘探中应用广泛的一种最优化搜索方法。文章综合概述了遗传算法的基本原理方法和发展方向,从该方法的可实现过程方面对其进行了分析,介绍了遗传算法的遗传过程、发展现状及其应用前景。

关键词:遗传算法;染色体;最优解1　基础理论

遗传算法(GeneticAlgorithm,GA)是1975年由美国学者Holland提出的,它是一种模拟自然选择和遗传学理论,一种最优化高效搜索算法。,,它对目标它将问题域中的可能解看作是群体的一个个体或染色体,并对每一个个体用二进制表示法或浮点数表示法进行编码,实现模型的参数化,把代表模型集参数空间中的每一点都一一映射到染色体空间的染色体上,对群体反复进行基于遗传学的操作,根据预定的目标函数对每个个体进行评价,经过基本的遗传操作过程,并反复迭代不断优化繁殖以产生新的一代,不断得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,求得满足要求的最优解。

遗传算法的几个基本概念:

①染色体(Chromosome)GA时,需要,它的每一位,每uon):每代所产生的染色体总合。

③适应度(Fitness):每个个体对应一个具体问题的解,每个解对应的函数值即为适应函数,它是衡量染色体对环境适应度的指标,也是反映实际问题的目标函数。2　计算方法

用遗传算法求解的过程是根据待解问题的参数集进行编码,随机产生一个种群,计算适应函数和选择率,

进行选择、交叉、变异等遗传操作,如果满足迭代收敛条件,这个种群为最好个体,否则,对产生的新一代群体重新进行遗传操作,往复循环直到满足条件。其模型原理如图1所示。

图1　遗传算法搜索原理图

　　基本的遗传操作有:

①选择(Select),按一定的概率从上代群体中选择M对个体作为双亲,直接拷贝到下一代,染色体不发生变化。一种最常用也最简单的选择概率计算公式为:

Ps(xi)=f(xi) 2f(xi)

i

其中f(xi)为模型xi的适值。

②交叉(Crossover)是从旧的种群中随机选择两个个体,交换遗传信息,产生后代的过程。

③变异(Mutation)即产生新基因的过程,对选

α收稿日期:2006-05-06

作者简介:王志美(1984-),女,长江大学地球物理与石油资源学院硕士研究生。

人工智能,算法,遗传算法

　2006年第9期　　　　　　　王志美等　遗传算法理论及其应用发展

45

中的群体中的个体(染色体),随机选取某一位进行理论的开拓和深化以及对遗传算法有效的操作技术取反运算。这样可以防止遗传算法收敛到局部最优和方法的改进上来。在油气勘探开发领域的应用中,解,有助于扩大寻优范围,增强搜索能力。尤其在遗将会随着应用领域的拓宽,其问题的规模和复杂程传算法后期,种群中的个体和适应值都相似时,种群度越来越大,要想充分发挥遗传算法的优点,同时克的进一步进化依赖于变异操作。服它的不足,趋势之一是采用混合算法的策略,即把

综上,运用遗传算法求最优解的过程可分为以遗传算法与模拟退火算法、神经网络、混沌理论等方下几个步骤:法有效地结合起来,设计一个新的混合算法,达到取

①对待解决问题进行编码;长补短的作用,使其在性能上突破单一算法的局限②随机给定一组初始解X(0)=(X1,X2,…,性,进一步提高优化质量和搜索效率;对一些基因操Xn);作进行改进,例如采用多点交叉、启发式交叉等交叉

③评价当前组的性能,对当前群体x(t)中每个操作;自适应变异、多级变异等变异操作;在种群宏个体xi计算其适应度f(xi);操作中引入小生存环境和物种形成的思想。通过对

④根据③的评价结果,从当前解中选择一定数遗传算法的基因操作进行改进,量的解作为遗传操作的对象;能,。

⑤对所选择的解进行遗传操作,得到一组新的4解;,还

,近年来它的不,计算结束,的优势,随着遗传算法的进一步完善和发展以及在

,个体的出现是良油气勘探、开发领域中应用的深入,其广泛的应用潜莠并存的,,随着迭代次数的增加,适力将进一步得到挖掘,其应用范围还会不断地扩大,应度高的个体依次被遗传出来。对于解决优化问题,为解决一些石油勘探开发中的难题提供一个强有力如条件选择等,遗传算法有很多优势,特别是具有很的工具。高的搜索次序且搜索具有探索性和自进化能力。

〔参考文献〕3　GA的应用现状和展望

3.1　遗传算法的应用现状[1]　姚姚.地球物理反演-基于理论与应用方法

遗传算法是多学科结合与渗透的产物,已经发[M].北京:中国地质大学出版社,2002,76.展成一种自组织、自适应的综合技术。作为一种有效[2]　李玉蓉,李霞,陈光海,胡兴中.遗传算法—国的全局搜索方法,从产生至今已广泛地运用于包括际石油合作勘探开发项目投资组合的新方法工程设计、制造业、人工智能、计算机科学、生物工[J].辽宁:海洋石油,2004:50～55.程、石油勘探、自动控制、社会科学、商业和金融等多[3]　石琳珂,孙铭心.地球物理遗传反演方法[M].个领域。石油勘探方面主要应用于预测油田产量,优北京:地震出版社,2000.化油田开发,测井解释的最优化,推断地层渗透率分[4]　王光兰,贾永禄.遗传算法在油田产量预报中布等很多方面。的应用[J].四川:西南石油学院学报,2000,223.2　遗传算法的应用展望(2):34～35.

遗传算法弥补了传统优化技术的不足,在油气[5]　王飞朝.遗传算法编程分析[J].陕西:火控雷勘探、开发领域中许多问题的求解和应用中展现了达技术,2005.6:63～66.它的特点和魅力。但在目前,遗传算法在理论和应用[6]　李敏强,寇纪淞.遗传算法的基本理论与应用技术上都还存在一些不足和缺陷,在实际应用中有[M].北京:科学出版社,2002.时候容易出现早熟收敛和收敛性能差的缺点,同时[7]　郎兆新.油藏工程基础[M].东营:石油大学出遗传算法并不是万能的,几乎都是针对特定问题求版社,1994.解而言的,并不能完全取代某个特定领域中已有的[8]　周明,孙树栋.遗传算法原理及应用[M].北优化技术,他们都有各自的适用范围。对于某一个特京:国防工业出版社,1999.殊领域而言,遗传算法往往比不上处理该领域问题[9]　余新宁,王文鹏,张骏.遗传算法程序的模块化的算法。设计[J].陕西:微机发展,2003,13(3):4～6.

因此,遗传算法现阶段的研究重点回到了基本

　　Abstract:GeneticAlgorithmisanoptimizationsearchingmethod,whichisusedcomprehensivelyin

.ThisarticlesummarizedtheGA’sbasicprincipium,computingmethodmodernexplorationgeophysics

anditsdevelopmentwayintegrated.AnalyzedthismethodinitsrealizationprocessandintroducedGA’sGeneticprocess,developmentactualityanditsusingforeground.

KeyWords:GeneticAlgorithm;Chromosome;Optimalsolution