浅谈遗传算法中初始群体的设置思路

遗传算法不能直接处理问题空间的参数，必须把它们转换成遗传空间的由基因按一定结构组成的染色体或个体。这一转换操作叫做编码。

目前最常用的编码方式是采用二进制编码。二进制编码使用{0，1}字符集，将遗传算法中的参数表示成0、1的字符串，此方法简单易行，便于分析。但在实际应用时，还要针对具体问题，设计出具体有效的编码方案。

遗传操作是众多个体同时进行的。这众多个体组成了群体。编码设计后是初始群体的设定，并以此为起点一代代进化直到按某种终止准则停止进化过程。

遗传算法中初始群体中的个体是随机产生的，生成方法主要有:均匀网格法，主要用于对于解空间不了解的情况，根据参数平均划分；非均匀网格法，用于大致了解解的位置的情况，根据解的位置，有着重点地产生初始群体；随机选点法，用随机函数在解空间随机选取。

初始群体的设定可以采取如下的策略:

首先，根据问题特点，设法把握最优解在整个问题空间中的分布范围，然后，在此分布范围内设定初始群体；

其次，先随机生成一定数目的个体，然后从中挑出最好的个体加到初始群体中。这种过程不断迭代，直到初始群体中个体数达到了预先确定的规模。

群体规模的确定受遗传操作中复制操作的影响很大。群体规模越大，群体中个体的多样性越高，算法陷入局部解的危险就越小；而规模太小，会使得遗传早熟收敛，为避免这种现象，必须保持群体的多样性，即群体规模不能太小；但群体规模也不能太大，群体规模太大会因使计算量增加而影响算法的效能，同时也会影响交换操作。