下载掌阅APP，畅读海量书库
立即打开
遗传算法中涉及的主要参数包括种群数量、编码长度、交叉概率、变异概率和最大进化代数等，这些参数直接影响着算法性能和优化结果质量。
1.种群数量NP
种群数量又称群体规模或种群大小。当种群数量较小时，遗传算法的优化性能一般不会太好。当种群数量较大时，可以减小算法陷入局部最优的机会，有助于提高求解质量，但计算量同时也会增加。种群数量一般取NP=10～200。
2.编码长度 N
对于采用二进制编码方式求解连续变量的优化问题，提高编码长度有助于减小编码步长，提高求解精度，但由于编码和解码需要较长的时间，也会影响算法的计算效率。如果搜索范围较大，且对求解精度要求较高，可以适当提高编码长度。
3.交叉概率 P c
交叉概率控制着交叉操作被执行的频度，对群体的多样性有重大影响。一般情况下，较大的交叉概率可以增强遗传算法搜索新区域的能力，但优良个体遭到破坏的可能性也会增大；若交叉概率太小，产生新个体的多样性不足，遗传算法搜索可能陷入迟钝状态。交叉概率一般取 P c =0.25～1 . 0。
4.变异概率 P m
变异概率控制着变异操作被执行的频度，对群体的多样性有重要影响。一般情况下， P m 较小时，低频度变异可降低种群中重要基因丢失的可能； P m 较大时，高频度变异将使遗传算法趋近于纯粹的随机搜索。变异概率一般取 P m =0.001～0.2。
5.最大进化代数 G
最大进化代数 G 常用来作为算法运行的终止条件，当遗传算法运行到指定的进化代数后就会自动停止运行，输出优化结果。 G 越小，得到的优化结果越不理想； G 越大，算法运行时间越长，也更容易获得满意的最优解。最大进化代数一般取 G =100～1000。