渦街流量計數(shù)字信號處理技術(shù)的探討 八十一

遺傳算法足具有“生成+檢測”迭代過程的搜索算法，具有很強的適應性。

它的基本處理流程如圖5—2所示，從圖中可以看出，遺傳算法運行過程為一個迭代過程，其基本步驟如下：(1)選擇編碼策略，把參數(shù)轉(zhuǎn)換為位串X；(2)定義適應值函數(shù)f(x)；(3)選擇群體大小玎、交叉概率￡、變異概率巴等遺傳參數(shù)，初始化群體：(4)計算群體中位串的適應值f(x)，位串解碼后，解越好，值越大；(5)由選擇、交叉和變異算子作用于群體，形成下一代群體：(6)判斷是否滿足某一指標或規(guī)定迭代次數(shù)，不滿足，返回步驟(4)。

由圖5．2工作流程可知，新群體是通過舊群體應用遺傳算子形成的，這些遺傳算子，如選擇、交叉和變異，分別模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交配和突變等現(xiàn)象。

1．選擇(Selection)

選擇是遺傳算法中最主要的機制，有時也稱為繁殖、復制，是影響遺傳算法性能最主要的因素。通過使用選擇技術(shù)把染色體新個體從老個體中以一定比例選擇，隨機地抽取出來。選擇依據(jù)為染色體的適應值大小，適應值大的染色體產(chǎn)生后代多，而適應值小的染色體產(chǎn)生后代少，甚至沒有后代。這就是“自然選擇、適者生存”。

選擇壓(Selective pressure)描述了選擇機制挑選種群中不同個體做母體的概率大小的差異。選擇壓過大，會造成幾個較好可行解(不一定是近似全局最優(yōu)解)迅速搶占了整個種群：選擇壓過小，則會使算法呈現(xiàn)出純粹的隨機徘徊行為。秩選擇、適應值函數(shù)的尺度變換均是為了克服經(jīng)典的比例選擇所造成的選擇壓過大或過小而設計的。杰出者選擇則通過無條件地保留每代種群中最優(yōu)者而克服了比例選擇下遺傳算法不能依概率收斂到全局最優(yōu)解的問題。然而正如De Jong指出的，現(xiàn)有的遺傳算法理論無法對這些現(xiàn)象做出完善的解釋和提供指導。

2．交叉(Crossover)

以上的選擇算子沒有建立新解，即沒有產(chǎn)生新的染色體。沒有發(fā)展，也就不會有進步。雖然群體很快就會被初始群體中最優(yōu)個體所充滿，但并不一定最優(yōu)。

3．變異(Mutation)

遺傳算法僅依賴于選擇和交叉運算會出現(xiàn)問題，可能會發(fā)生丟失解的現(xiàn)象。例如，當群體中所有串同一位置全為0時，則此處為l的可行解則丟失。變異算子解決了這個問題。變異算子把群體中每一個體每位依一定概率進行取反運算，即由0一l或l寸0，則避免丟失解。

流量計