基因演算法的流程

基因演算法的流程由編碼、初始化、確定到達目標、再生和選擇機 制、交配和突變所組成。基因演算法的搜尋停止條件最主要以當所有物 種均趨於一致或不會再有更好的最佳解出現時便可停止運算。這種遺傳 算法如圖4.2 中流程細節的步驟與描述。

A. 編碼

遺傳演算法中，用來表示問題特性的就是染色體編碼。此編碼必須 從問題的解觀察，找出形成解答的參數，對組成的解進行適當的編碼。

亦即，加入問題的特定知識(Problem-specific Knowledge)。編碼也牽涉到 交配與突變運算機制之設計。好的編碼，將有助於求解過程與求解品 質。最普遍的編碼方式就是將這些變數對應到某個字元或整數，再把其 編成固定數目的位元，這些位元組合起來就成為一個染色體。染色體

（Chromosome），也就是每個基因所組成的基因字串，而其基因字串的 組成，一般多是利用二進位字串(位元 Bit)來表示二進製，編碼方式可分 為實數形式、整數形式、符號形式與二進位制等，其中最簡單且最常使 用的編碼方式為二進位編碼(Binary Coding)。染色體表示模式︰

圖4.3染色體的二進位字串

每個染色體會有一個二進位字串。 每一個字串都有一些特性去解決 辦法。或者整個字串代表號碼。對基因演算法，編碼可以是目的導向的，

可根據資料處理的目的而進行編碼；也可以是問題導向的，根據面臨問 題的屬性選擇適合的染色體編碼法。而且，自然絕抉擇是在染色體和編 碼性能之間的連接。如圖4.4。

圖4.4編碼和解決流程 B. 初使族群

演化過程所需之族群為初始族群，族群的成員稱為個體或染色體，

其最簡單的產生方式是隨機選取，亦即我們隨機的從整個搜尋空間中挑 選出所需數量的個體當作最原始之親代。此法挑選出之初始個體的基因 序列有好有壞，但正因為如此，它們可以提供演化過程中充分的個體差 異度，能避免發生小範圍內的重組情況(小區域的最佳化)。

C. 再生與選擇機制

選擇優良的雙親（Parents）對產生高適應性的結果。「適應值」進行 產生結果之挑選：「適應值」越高的染色體將獲選比較多，「適應值」較 低的染色體獲選數量便相對較少。而此步驟便是決定「適應值」與獲選 分配比例的關係。基因演算機制中，選擇與複製機制其意義為，決定族 群內眾多的的染色體中何者保留與淘汰。將較適應於環境的染色體加以

並取代較差的染色體。如此，優秀的染色體就會被保留下來，且會越來