一種改進型的遺傳算法在配料系統(tǒng)中的應用

《一種改進型的遺傳算法在配料系統(tǒng)中的應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。

1、一種改進型的遺傳算法在配料系統(tǒng)中的應用摘要:鑒于標準遺傳算法存在的缺點,本文對遺傳算法的選擇策略、交叉過程、變異操作進行了改進,提出了一種改進型的遺傳算法。然后使用實數(shù)編碼,并將這種算法應用到了飼料配制系統(tǒng)中。大大提高了飼料配制方法的科學性?！　￡P鍵詞:遺傳算法實數(shù)編碼飼料配制　　:TP3:A:1007-9416(2010)08-0122-01　　　　1引言　　在配制飼料過程時,除應根據(jù)牲畜生產(chǎn)目的、年齡、體重等,選擇不同的飼養(yǎng)標準外,在飼料原料的選擇上還要掌握以下幾點[1]。(1)注意原料的種類和用量。(2)所選原

2、料的體積必須與消化道容積相適應。(3)要掌握原料的有關特性。(4)充分利用當?shù)卦腺Y源,以節(jié)約開支,降低成本,增加收入。要發(fā)揮飼養(yǎng)對象的最大生產(chǎn)潛能、提高飼料轉化效率、增加產(chǎn)量、降低成本,關鍵的技術措施是配制營養(yǎng)完善和平衡的飼料。高效、先進的算法是計算機在飼料配方設計的實際應用中發(fā)揮作用的前提[2]?！　囊陨峡梢钥闯?配置完善的飼料其實就是一個多目標求最優(yōu)解的過程?！　∵@里引入一種新的優(yōu)化算法—遺傳算法。是一種并行的、能夠有效優(yōu)化的算法,以morgan的基因理論及eldridge與gould間斷平衡理論為依據(jù),同時

3、融合了mayr的邊緣物種形成理論和bertalanffv一般系統(tǒng)理論的一些思想,模擬達爾文的自然界遺傳學:繼承、進化、優(yōu)勝劣汰。其實質就是一種把自然界有機體的優(yōu)勝劣汰的自然選擇、適者生存的進化機制與同一群體中個體與個體間的隨機信息交換機制相結合的搜索算法。運用遺傳算法求解問題首先需將所要求解的問題表示成二進制編碼,然后根據(jù)環(huán)境進行基本的操作:selection,crossover,mutation……這樣進行不斷的所謂“生存選擇”,最后收斂到一個最適應環(huán)境條件的個體上,得到問題的最優(yōu)解[3]。　　　　2標準遺傳算法的

4、不足　　(1)算法的運算時間長。(2)計算后的結果不理想,與單純型法的結果相比還有一定的差距。(3)標準遺傳算法在進化過程中易產(chǎn)生早熟現(xiàn)象和局部尋優(yōu)能力差等問題?！　　　?改進遺傳算法在飼料配方設計中的應用　　本文提出了一種改進型的遺傳算法,并把他應用到了飼料配制系統(tǒng)中。具體方法如下:　　3.1編碼方法　　遺傳算法通過這種對個體編碼的操作,不斷搜索出適應度較高的個體,并在群體中逐漸增加其數(shù)量,最終尋求出問題的最優(yōu)解或近似最優(yōu)解。在遺傳算法中如何描述問題的可行解,即把一個問題的可行解從其解空間轉換到遺傳算法所能處理的搜

5、索空間的轉換方法就稱為編碼?！　崝?shù)編碼是指個體的每個基因值用某一范圍內(nèi)的一個浮點數(shù)來表示,個體的編碼長度等于其決策變量的個數(shù)。根據(jù)飼料配方設計的要求及實數(shù)編碼的特點,在本次飼料配方中的標準遺傳算法采用實數(shù)編碼?！　?.2初始種群的生成　　根據(jù)飼料原料及其營養(yǎng)成分表中各種原料的用量上限、用量下限、等量使用的要求,在最優(yōu)解所占問題空間中的分布范圍內(nèi)使用隨機生成初始種群?！　?1)生成隨機種子;(2)設定初始種群的數(shù)量;(3)利用約束條件對生成的每一個隨機數(shù)的上下限進行控制,保證生成的隨機數(shù)在約束條件圍內(nèi);(4)測試生成

6、的種群中各原料是否能滿足營養(yǎng)需求,若不能滿足則返回(3);(5)初始種群的數(shù)量是否達到,若達到則跳出,否則返回(3);　　3.3適應度函數(shù)　　飼料配方設計的要求是在保證滿足飼養(yǎng)標準要求的條件下降低飼料配方的成本。因此,本研究中遺傳算法的個體適應度函數(shù)的設計采用飼料成本極小化方法。適應度函數(shù)為:　　　　Ci代表第i種的飼料原料的市場價格;Xi代表第i種飼料原料在配方中的含量;Amin為飼料配方的成本;n為飼料原料的種類數(shù)。　　3.4選擇策略　　(1)采用隨機聯(lián)賽選擇模型替代輪盤賭模型,降低計算機處理時間?！　〔僮?每次

7、從群體中隨機選取4個個體進行適應度大小比較,將其中適應度最高的2個個體遺傳到下一代群體;重復上述過程直到下一代群體完全生成?！　?2)構造新的種群時,采用精英主義方法?！　〔僮?在交叉和變異的過程中允許父代和子代進行競爭,讓優(yōu)良個體進入下一輪的競爭環(huán)境,這樣既保證了算法的迭代穩(wěn)定性,又保證了算法具有實現(xiàn)局部最優(yōu)化的能力?！　∫詥蝹€個體適應度值倒數(shù)占種群中共np個個體的適應度值倒數(shù)之和的比率作為　　選擇概率。即:　　　　適應度值倒數(shù)之和:　　　　選擇概率:　　　　3.5交叉過程　　根據(jù)標準遺傳算法交叉操作存在子代個體的

8、搜索空間將不斷收縮,從而導致早熟的缺陷,對交叉操作進行改進?！　Ω复噶康母鱾€分量進行交叉時,采用不同的隨機數(shù):　　A1[j]=B1[j]+rnd[j](B2[j]-B1[j])　　A2[j]=B2[j]+rnd[j](B1[j]-B2[j])　　B1[j]、B2[j]分別為父代B1、B2的分量;　　A1[j]、A2[j]分別為子代個體矢量A