基于遗传算法的染色体编码的分析第 19 卷第 1 期2024 年 1 月重庆电子工程职业学院 Vo1。19NO。1lan.2024oumalofChon￡咽 in￡CoUe~eofElectronicEnl～ine基于遗传算法的染色体编码的分析吴焱岷(重庆大学计算机学院，重庆 400044；重庆电子工程职业学院，重庆 401331）摘要:遗传算法为解决复杂问题，特别是 NP 类问题提供了一种全新的思路，其编码方式也将在一定程度上决定算法效率的高低和程序设计的复杂程度.需要针对想要解决问题类型的不同而实行不同的编码方式.关键词：遗传算法；编码;值类型；事务类型中图分类号：TP39 文献标识码:A 文章编号：1674-5787（2024)01 一【）【】86一 O2遗传算法的概念最早是由 BagleyJ.D 在 1967 年提出的.而开始遗传算法的理论和方法的系统性讨论在 1975年开始.这一开创性工作是由 Michigan 大学的 J。H.Holland 所实行。遗传算法简称 GA(GeneticAlgorithm），在本质上是一种不依赖具体问题的直接搜索方法。其基本思想是基于 Darwin 进化论和 Mendel 的遗传学说Darwin 进化论最重要的是适者生存原理它认为每一物种在进展中越来越适应环境.物种每个个体的基本特征由后代所继承。但后代又会产生一些异于父代的新变化.Mendel 遗传学说最重要的是基因遗传原理它认为遗传以密码方式存在细胞中。并以基因形式包含在染色体内每个基因有特别的位置并控制某种特别性质，所以。每个基因产生的个体对环境具有某种适应性.基因突变和基因杂交可产生更适应于环境的后代。经过存优去劣的自然淘汰。适应性高的基因结构得以保存下来。遗传算法最大的特点莫过于可以绕过复杂的数学推导而采纳最直接的方式在有限空间中搜索结果。例如求函数 f(x）=x＊sin(10”n’x)+2 在（一 1，2)区间上的极大值,根据常规思路.需要对函数求导，找出函数的变化趋势和拐点。才能确定最大值的位置.对于相对简单的函数。采纳这些数学的方法还没有太高的难度.但是对于复杂的函数。则需要较为深厚的数学功底.同时也增加了程序设计的复杂程度对于 GA.采纳一套全新的思路,首先任意给定一组随机值 x。由此开始进行演化.这些值就是代表一系列原始生命。这些生命是否可以延续，取决于他们的适应程度将这些随机值带入函数中进行运算，对得到的一系列函数值进行排序.求最大值，可以认为值较大的函数值对应的 x 接近我们所需要的结论,这些结果可以保留;反之。对于另外一些函数值较小的 x。则表明应该被淘汰.第二步就是...
