[科普中国]-模糊遗传算法

概念

模糊遗传算法（Fuzzy genetic algorithm）是指基于模糊逻辑的遗传算法，是当前遗传算法发展的一个新方向。它充分利用了人们对GA已有的知识和经验，并且修正和完善了这些经验，有助于对GA遗传算子及参数设置与GA性能关系的理解；同时在GA运行过程中，实现了对GA参数或算子的动态调整，保证了整个GA搜索过程中合理的利用性和探索性关系EER。

把模糊逻辑用于GA，是从两个方面着手的：一方面，把已有的关于GA的知识和经验用模糊语言来描述，并用于在线控制遗传操作和参数设置，形成动态GA；另一方面，借鉴模糊逻辑及模糊集合运算的思想，得到模糊编码和相应模糊遗传操作，以改进GA的性能。

基本设计思想模糊逻辑动态控制遗传算法的参数遗传算法的一些参数，如变异率、交叉率、种群规模等是影响遗传算法性能的重要因素，它们的设置是否合理决定算法搜索的精度和广度能否均衡折衷。

这些参数对遗传算法的性能影响很复杂，传统的参数最优设置一般是基于优化问题深考虑的，而且固定不变；因此，找到各种情况下均适用的参数设置方法并使之随进化过程自适应改变是很有意义的。

Herreara F，Herreara E提出用模糊停止条件来评价基因算法的实时性能。这是因为基因算法从理论上可以找到问题的最优解，但有些问题最优解本身就是未知数，用基因算法只是使问题向着最优解的方向进化，我们最后得到的结果只是一个比较接近最优解的结果。因此，这个优化目标本身就是模糊的，而不是精确的。

模糊编码及相应的遗传操作传统遗传算法并没有考虑个体或组织从基因型到表现型的演变发展，而只是通过编码译码得到简单的一一对应关系。而自然界则没有这种简单的对应关系，表现型式基因结构和当前环境条件的复杂的非线性函数。Voight H给出一种模糊编码的遗传算法方法，试图解决这个问题。传统的二进制编码方式中，串的各位的值为0或1；模糊编码各位取值为[0，1]区间的任意值。这种编码方式打破了基因型和表现型之间一一对应的关系。1