Page 170 - 大数据技术及安全研究

大数据技术及安全研究
Big Data Technology and Security Research

三、进化计算算法在路径优化中的应用

（一）遗传算法
1. 遗传算法的基本思想
遗传算法是在 20 世纪 70 年代被提出来的。遗传算法是从达尔文的遗传定律

受到的启迪，达尔文遗传定律包括自然选择，主要是对生物进行筛选，和适者生
存主要是来完成生物的进化。这也是遗传算法所运用的原理，最开始遗传算法是
为了解释自然界中生物为了适应环境，而不断进化的复杂过程。后来仿照生物进

化的过程，将遗传算法引入了优化算法中。该算法主要是为了服务于优化计算。
一个问题的解决方法很多，需要优化选择最优解的时候，遗传算法将这个问题的
原始状态看作是一个种群，其中的每一种状态都将编码为染色体。初始群体会在

条件的约束下，不断进化，最终得出最优解，从而产生新的种群。从最后一个种
群中找出最优解，解码成问题的最优路径，就是遗传算法在实践中的运用。
2. 遗传算法的步骤

遗传算法利用自然法则中进化的过程创建模型，其具体的计算方法如下：
①将原始数据构造成染色体。最终构成的染色体需要满足问题的约束条件。
遗传算法对直接解决具体问题是不管用的，而是要先将和问题相关的实例编码成
染色体的形式。在求最优解的过程中，可以有数种不同的编码方式，但原则是必

须符合约束条件，否则会影响计算的准确性。
②在选择初始染色体的时候，应该秉承随机的原则。原始种群代表的是进化
初始阶段的种群，初始群体要有多少数量，要根据实际情况来定。

③每个染色体在不停进化的时候，优化度都会不断提高。优化度是用来评价
染色体好坏的标准，遗传算法的目的，就是要找出染色体中最优的那一个。
④进化的过程，有复制、交叉和变异等形式的运算，进化将产生子群体。其
中主要运用了适者生存的自然法则，交叉，复制主要是来自繁殖，而变异则代表

着基因突变。
⑤若达到了终止条件，则将结果输出，得到最优解。
（二）进化计算

1. 计算的概念
计算实质上是一种物理过程，在自然界的方方面面都存在着计算，无论是花

·158·