GAOT參數設定

一個標準的遺傳演算法能處理可能解(個體)的一個集合(群集)問題。每一個體為 搜尋空間的點，所以遺傳演算法能作為一個多維空間的多點最佳化技術。通常群集 大小範圍從20 至 200 或 300。傳統的方法需要一個起點開始最佳化。通常最終解的 性質，相當依賴搜索空間的起點位置。選擇一個起點扮演明顯的角色在尋找許多局 部最佳解問題的解答。遺傳演算法，提供了許多解答，並可以同時搜索多個點，沒 有太多缺點。預設大部分參數，驅動演化的過程，如交換率，突變率。於以下介紹 這些參數如何設置：

1. 群集參數

(1) 群集大小(Population size)

育種池的遺傳群集大小，即群集中充滿的個體，如果這個參數設定過 低，將不會有足夠的各種不同的個體來解決問題。但若有太多的個體，一 個良好的解決方案將耗時才能找到，因為必須計算出每一代其每一個體的 適應度函數，通常介於20 至 200 個個體可得到不錯之結果，群集大小設為 50 為一個好的初始群集，最大可以選擇至 2000。

(2) 染色體長度(Chromosome length)

染色體的長度大小表示為多少個基因存在染色體裡，將之轉化成電腦 裡可維持變數的位元數，更多的位元數代表更高之精確解。例如，決定要 找到 的最低值，X 在-5 和 5 之間，我們已經事先知道答案為零。但 若染色體的長度是8 位元，那麼，可能的解在〝區間〞範圍內是： 1 / 256 或約0.0039，因為-5 映射到 0，而 5 映射到 255，且有一個偶數(256)的位 置，那麼，最接近零的可以得到+ -0.0039 / 2 = + -0.00195 。如果染色體的 長度是32 位元，最好的解會更接近+ -0 .0000000001，故 32 位元的解會更 準確。

Y =X2

23

2. 進化參數(Evolution Parameters) (1) 交換率(Crossover rate)

交換率的機率是該交叉運算子適用於在一個世代的某一特定染色 體。這些機率的範圍從0 到 1 之間。交換率設定為 0.9 的情況下，其結果 通常是不錯的。

(2) 突變率(Mutation rate)

突變率的機率該為變異運算子適用於在一個世代的某一特定染色 體。突變率的範圍在0.001 到 0.05 通常是合理的，而預設的 0.01，適用於 廣泛的問題。

演化的過程為一個迴圈，因此必須設定停止執行的判斷，用以表示演化結束。

停止的時機通常可以參考兩個項目，一個是時間成本，一個是收斂程度。時間成本 直接受演化代數影響，若希望演算在可預期的時間內結束，可以將演化代數設為固 定值。收斂程度則較為彈性，當某一代的族群，其染色體的適應值趨近一致的時候，

則停止演化。兩者並沒有絕對的好壞，可根據需要而選用，亦可同時採用，即演化 進行到某個代數之前，停止條件參考的是收斂程度，而最多進行到該代數為止，使 得演化能在可預期的時間中結束(江吉雄，2002)，GA 的演化流程如圖 3-6。

圖3-6 遺傳演算之演化架構

25

第四章 研究案例