1、遺傳算法理論及其應用發展王志美,陳傳仁(長江大學地球物理與石油資源學院,荊州434023摘要:遺傳算法是現在地球物理勘探中應用廣泛的一種最優化搜索方法。文章綜合概述了遺傳算法的基本原理方法和發展方向,從該方法的可實現過程方面對其進行了分析,介紹了遺傳算法的遺傳過程、發展現狀及其應用前景。關鍵詞:遺傳算法;染色體;最優解1基礎理論遺傳算法(Genetic A lgo rithm ,GA 是1975年由美國學者Ho lland 提出的,它是一種模擬自然選擇和遺傳學理論,依據適者生存的原理而建立的一種最優化高效搜索算法。因其有很強的解決問題的能力和廣泛的適應性,因而近年來滲透到研究與工程的各個領域,

2、取得了良好的效果。遺傳算法是一種隨機全局搜索算法,它對目標空間進行隨機搜索。它將問題域中的可能解看作是群體的一個個體或染色體,并對每一個個體用二進制表示法或浮點數表示法進行編碼,實現模型的參數化,把代表模型集參數空間中的每一點都一一映射到染色體空間的染色體上,對群體反復進行基于遺傳學的操作,根據預定的目標函數對每個個體進行評價,經過基本的遺傳操作過程,并反復迭代不斷優化繁殖以產生新的一代,不斷得到更優的群體,同時以全局并行搜索方式來搜索優化群體中的最優個體,求得滿足要求的最優解。遺傳算法的幾個基本概念:染色體(Ch rom o som e :在使用GA 時,需要把問題解編成具有固定結構的符號串

3、,它的每一位代表一個基因。一個染色體就代表問題的一個解,每個染色體稱為一個個體。群體(Pop u lati on :每代所產生的染色體總數。一個群體包含了該問題在這一代的一些解的集合。適應度(F itness :每個個體對應一個具體問題的解,每個解對應的函數值即為適應函數,它是衡量染色體對環境適應度的指標,也是反映實際問題的目標函數。2計算方法用遺傳算法求解的過程是根據待解問題的參數集進行編碼,隨機產生一個種群,計算適應函數和選擇率, 進行選擇、交叉、變異等遺傳操作,如果滿足迭代收斂條件,這個種群為最好個體,否則,對產生的新一代群體重新進行遺傳操作,往復循環直到滿足條件。其模型原理如圖1所示。

4、圖1遺傳算法搜索原理圖基本的遺傳操作有:選擇(Select ,按一定的概率從上代群體中選擇M 對個體作為雙親,直接拷貝到下一代,染色體不發生變化。一種最常用也最簡單的選擇概率計算公式為:P s (x i =f (x i 2if (x i 其中f (x i 為模型x i 的適值。交叉(C ro ssover 是從舊的種群中隨機選擇兩個個體,交換遺傳信息,產生后代的過程。變異(M u tati on 即產生新基因的過程,對選44內蒙古石油化工2006年第9期收稿日期:2006-05-06作者簡介:王志美(1984-,女,長江大學地球物理與石油資源學院碩士研究生。中的群體中的個體(染色體,隨機選取某

5、一位進行取反運算。這樣可以防止遺傳算法收斂到局部最優解,有助于擴大尋優范圍,增強搜索能力。尤其在遺傳算法后期,種群中的個體和適應值都相似時,種群的進一步進化依賴于變異操作。綜上,運用遺傳算法求最優解的過程可分為以下幾個步驟:對待解決問題進行編碼;隨機給定一組初始解X (0=(X 1,X 2,X n ;評價當前組的性能,對當前群體x (t 中每個個體x i 計算其適應度f (x i ;根據的評價結果,從當前解中選擇一定數量的解作為遺傳操作的對象;對所選擇的解進行遺傳操作,得到一組新的解;返回到對該組新解進行評價;若當前解滿足要求或進化過程達到一定值,計算結束,否則轉向繼續。遺傳算法在最初幾次迭代

6、中,個體的出現是良莠并存的,適應度也不高,隨著迭代次數的增加,適應度高的個體依次被遺傳出來。對于解決優化問題,如條件選擇等,遺傳算法有很多優勢,特別是具有很高的搜索次序且搜索具有探索性和自進化能力。3GA 的應用現狀和展望3.1遺傳算法的應用現狀遺傳算法是多學科結合與滲透的產物,已經發展成一種自組織、自適應的綜合技術。作為一種有效的全局搜索方法,從產生至今已廣泛地運用于包括工程設計、制造業、人工智能、計算機科學、生物工程、石油勘探、自動控制、社會科學、商業和金融等多個領域。石油勘探方面主要應用于預測油田產量,優化油田開發,測井解釋的最優化,推斷地層滲透率分布等很多方面。3.2遺傳算法的應用展望

7、遺傳算法彌補了傳統優化技術的不足,在油氣勘探、開發領域中許多問題的求解和應用中展現了它的特點和魅力。但在目前,遺傳算法在理論和應用技術上都還存在一些不足和缺陷,在實際應用中有時候容易出現早熟收斂和收斂性能差的缺點,同時遺傳算法并不是萬能的,幾乎都是針對特定問題求解而言的,并不能完全取代某個特定領域中已有的優化技術,他們都有各自的適用范圍。對于某一個特殊領域而言,遺傳算法往往比不上處理該領域問題的算法。因此,遺傳算法現階段的研究重點回到了基本理論的開拓和深化以及對遺傳算法有效的操作技術和方法的改進上來。在油氣勘探開發領域的應用中,將會隨著應用領域的拓寬,其問題的規模和復雜程度越來越大,要想充分發

8、揮遺傳算法的優點,同時克服它的不足,趨勢之一是采用混合算法的策略,即把遺傳算法與模擬退火算法、神經網絡、混沌理論等方法有效地結合起來,設計一個新的混合算法,達到取長補短的作用,使其在性能上突破單一算法的局限性,進一步提高優化質量和搜索效率;對一些基因操作進行改進,例如采用多點交叉、啟發式交叉等交叉操作;自適應變異、多級變異等變異操作;在種群宏操作中引入小生存環境和物種形成的思想。通過對遺傳算法的基因操作進行改進,可以改進其收斂性能,提高收斂速度。4結束語整個遺傳算法的基礎理論研究還顯得薄弱,還有許多問題需要在實踐中探索改進,近年來它的不斷發展以及在許多方面的成功應用已顯示出其獨特的優勢,隨著遺

9、傳算法的進一步完善和發展以及在油氣勘探、開發領域中應用的深入,其廣泛的應用潛力將進一步得到挖掘,其應用范圍還會不斷地擴大,為解決一些石油勘探開發中的難題提供一個強有力的工具。參考文獻1姚姚.地球物理反演-基于理論與應用方法M .北京:中國地質大學出版社,2002,76.2李玉蓉,李霞,陳光海,胡興中.遺傳算法國際石油合作勘探開發項目投資組合的新方法J .遼寧:海洋石油,2004:5055.3石琳珂,孫銘心.地球物理遺傳反演方法M .北京:地震出版社,2000.4王光蘭,賈永祿.遺傳算法在油田產量預報中的應用J .四川:西南石油學院學報,2000,22(2:3435.5王飛朝.遺傳算法編程分析J

10、 .陜西:火控雷達技術,2005.6:6366.6李敏強,寇紀淞.遺傳算法的基本理論與應用M .北京:科學出版社,2002.7郎兆新.油藏工程基礎M .東營:石油大學出版社,1994.8周明,孫樹棟.遺傳算法原理及應用M .北京:國防工業出版社,1999.9余新寧,王文鵬,張駿.遺傳算法程序的模塊化設計J .陜西:微機發展,2003,13(3:46.Abstract :Genetic A lgo rithm is an op ti m izati on search ing m ethod ,w h ich is u sed com p rehen sively inm odern exp lo rati on geop hysics.T h is article summ arized the GA s basic p rinci p ium ,com p u ting m ethod and its developm en t w ay in tegrated .A nalyzed th is m ethod in its realizati on p rocess and in troduced GA s