http://www.paper.edu.cn
技术,使得搜索朝着最优解所在的区域逐步收敛(详细情况请参考文献[19])。
1999 年Gan和Warwick提出一种类似于GAS的小生境动态聚集方法(Dynamic Niche
Clustering,简称DNC)[15、20]。该方法定义一个小生境序列向量Nichset,代表群体中小生境
数随着群体的进化而变化。每个小生境i有两个参数:midi和σshi;分别代表小生境的中心点
位置和小生境的半径。当群体中的个体与midi的距离小于σshi时,则该个体为小生境i的成员。
与GAS不同,DNC中每个个体可以同时分属两个不同的小生境。为防止小生境的无限制增长,
将σshi限定在[σmax,σmin]范围内。σshi的初值由群体规模Pop和问题的维度d通过下式确定:
σ
sh
initial
=
d
Pop
3
∗
d
(8)
小生境半径的边值σmax=2*σsh、σmax=σsh/4。在初始化群体时,每个个体以自身为中心,以式
(8)为半径形成一个小生境。之后进行如下各项操作:
1)、确定当前每个小生境内个体的数量。当个体与所有小生境的距离超出各小生境的半
径时,以该个体为中心,以式(8)为半径生成个新小生境。
2 )、重新 计 算各小 生境 的中心 位置 。计算 方法 有多种 ,这 里只介 绍所 谓 Fitness
Distribution from Midpoint 方法。小生境 i 的新中心位置由下式确定:
mid
i
=
mid
i
+
∑
n
i
j
1
=
j
(
x
∑
−
n
i
j
1
=
)
f
i
j
mid
f
j
(9)
式中:ni为该小生境内个体数;xi代表个体i;fi为i个体的适应度。
3)、重新计算小生境内的个体。如果某个小生境内无个体存在,则将该小生境从序列中
删除。
4)、计算小生境序列中任意两个小生境的距离,并按小生境序列的顺序排列。
5)、如果小生境i与小生境j的距离小于σmin,则将这两小生境合并且取代小生境i。此时
要重新计算小生境i的中心位置,并将小生境j从小生境序列中删除。
6)、重新计算各小生境内个体的数量。最后通过共享函数修改所有个体的适应度。个体
i的共享函数中小生境数mi由下式确定:
nm
=
i
−
n
j
j
α
d
⎞
⎟
ij
σ ⎟
2
⎠
shj
⎛
⎜
⎜
⎝
(10)
式中:nj为小生境j的个体数;dij为个体i与小生境j的距离;σshj为小生境j的半径;α这里取为
1.0 的常数。
国内小生境遗传算法的研究主要有 1998 年林焰[3]等提出的基于隔离(Isolation)机制的
小生境实现方法。其基本思想是将初始群体分为几个子群体,子群体的规模正比于其平均适
应值,但子群体拥有的个数必须满足最大允许规模和最小保护规模的限制,之后在子群体间
- 5 -
http://www.paper.edu.cn
及其内部执行“优胜劣汰,适者生存”,来实现种群的进化。该方法算法简单,且高度模仿
生物学中物种的地域隔离进化,隔离机制对于保持种群的多样性和引导种群进化方面具有重
要作用,有较高的理论探讨价值和良好的应用前景。但该方法子群体数的选取同样需要事先
知道问题最优解的个数。
3. 小生境遗传算法的应用展望
小生境遗传算法是在遗传算法的原有结构上引入小生境技术,不但不影响遗传算法的原
有特点,而且既维持了群体的多样性,又提高了遗传算法处理多峰值优化问题的能力。因此
可以肯定,小生境技术将大大拓宽遗传算法的工程应用范围,特别适用于对所有或大部分局
部最优解感兴趣的工程问题。除了文献[1][2]提到的遗传算法的应用领域,文献[21][22]综合
概述了遗传算法在机械工程中的应用。
参 考 文 献
[1] 专 著:周明,孙树栋.遗传算法原理及应用[ M ] .北京:国防科技出版社,1999.
[2] 译 著:玄光南[日],陈润伟著.遗传算法与工程设计[M].汪定伟等译.北京:科学出版社,2000.
[3] 连续出版物:林焰,郝聚民,纪卓尚,戴寅生.隔离小生境遗传算法研究[J].系统工程学报,2000,
15(1):86~91.
[4] 学位论文:Horn, J. The Nature Of Niching: Genetic Algorithms And The Evolution Of Optimal, Cooperative
Populations[D]. Department of Computer Science,University of Illinois at Urbana-Champaign,1997.
[5] 学位论文:Cavicchio D J. Adaptive Search Using Simulated Evolution[D]. University of Michigan, Ann,
Arbor, 1970.
[6] 专 著:陈国良等.遗传算法及其应用[M].北京:人民邮电出版社,1996.
[7] 学位论文:De Jong, K.A.(1975). An analysis of the behavior of a class of genetic adaptive systems[D].
University of Michigan. Dissertation Abstracts International, 36(10), 5140B. (University Microfilms
No.76-9381).
[8] Samir W. Mahfoud, Crowding and Preselection Revisited. In Parallel Problem Solving from Nature, 2,
North-Holland, pp.27~36, 1992.
[9] 学位论文:Samir W. Mahfoud, Niching Methods for Genetic Algorithms. (Doctoral dissertation, University of
Illinois at Urbana-Champaign), 1995.
[10] 论 文 集:Goldberg, D.E., & Richardson, J.J. (1987). Genetic algorithms with sharing for multimodal
function optimization. Genetic algorithms and their application: Proceedings of the Second International
Conference on Genetic Algorithms, 41-49.
[11] 学位论文:K. Deb (1989). Genetic Algorithms in Multimodal Function Optimization. (Masters thesis, Dept.
Engineering Mathematics, Univ. Alabama). TCGA Report No89002.
[12] 论 文 集:K. Deb & D. Goldberg (1989). An Investigation of Niche and Species Formation in Genetic
Optimization. In 3rd International Conference on Genetic Algorithms, 42~50.
[13] 论 文 集:Pétrowski A.(1996). Clearing Procedure As A Niching Method For Genetic Algorithms. In Proc.
1996 IEEE Int. Conf. Evolutionary Computation, Nagoya, Japan(798~805).
[14] 技术报告:Pérez-Vázquez, M. E. & Gento-Municio, A.M. & Lourenço, H.R. Solving a Concrete Sleepers
- 6 -
http://www.paper.edu.cn
Production Scheduling by Genetic Algorithms. (UPF Working Paper Series 2004).
[15] 论 文 集:J. Gan & K. Warwick (2000). A Variable Radius Niching Technique for Speciation in Genetic
Algorithms. Proceeding of the Genetic and Evolutionary Computation Conference (GECCO 2000), 96~103.
[16] 连续出版物:D. Beasley, D.R. Bull & R.R. Martin (1993). A Sequential Niche Technique for Multimodal
Function Optimization [J]. Evolutionary Computation 1(2): 101~125.
[17] 论 文 集:X. Yin & N. Germay (1993). A Fast Genetic Algorithm with Sharing Scheme using Cluster
Analysis Methods in Multimodal Function Optimization. In International Conference on Artificial Neural
Networks and Genetic Algorithms, 450~457.
[18] 连续出版物:S. Tustsui, Y. Fujimoto & A. Ghosh (1997), Forking GAs: GAs with Search Space Division
Schemes [J]. In Evolutionary Computation, Vol.5, No.1, 61~80, MIT Press.
[19] 连续出版物:M. Jelasity & J. Dombi (1998), GAS, a Concept on Modeling Species in Genetic Algorithms [J].
In Artificial Intelligence, 99(1), 1~19.
[20] 论 文 集:J. Gan & K. Warwick (1999). A Genetic Algorithm with Dynamic Niche Clustering for
Multimodal Function Optimisation. In 4th International Conference on Artificial Neural Networks and
Genetic Algorithms, 248~255.
[21] 连续出版物:杨璐,陈长征,孟杨.遗传算法工程应用进展[J].沈阳工业大学学报,2002,24(3):
240~243.
[22] 连续出版物:黄洪钟,赵正佳,姚新胜,冯春.遗传算法原理、实现及其在机械工程中的应用研究与
展望[J].机械设计,2000 年 3 月,No.3 :1~6.
Overview of the Niching Genetic Algorithms
(College of Mechanical Engineering, Fuzhou University, Fuzhou, Fujian 350002 , China)
Li MingLin
Abstract:
The paper introduces the fundamental principle and characteristic of genetic algorithms. Then the idea
of speciation and niche are described, with various niching methods including deterministic crowding,
fitness sharing, clearing, sequential niching, variable radius niching technique, and isolation niching.
Finally, a prospect is conducted on the niching genetic algorithms’ further application in engineering.
Key words: niching methods, genetic algorithms, sharing, crowding, clustering, isolation
作者简介:
李明林,男,1977 年生,讲师,研究方向为:机械手控制技术、遗传算法等
- 7 -