hdpe土工膜遺傳算法適用于無限制最大化問題,實際應用中的優化問題一般包含一定的約束條件,描述形式多樣。在遺傳算法的應用中,必須處理這些約束條件,但還沒有找到一種一般的方法來處理各種約束條件。因此,約束條件的處理只能是對具體問題的具體分析。
遺傳算法適用于無限制最大化問題,實際應用中的優化問題一般包含一定的約束條件,描述形式多樣。在遺傳算法的應用中,必須處理這些約束條件,但還沒有找到一種一般的方法來處理各種約束條件。因此,約束條件的處理只能是對具體問題的具體分析。
包括不等式約束、等式約束和變量,下限約束最優化的標準形式是:近年來,提出了幾種使用遺傳算法來滿足約束的技術。我們對此進行了很好的總結。這些技術大致可分為拒絕策略、修復策略、改進遺傳算子策略和懲罰策略。各種策略都有不同的優缺點。
遺傳算法通常采用拒絕策略來放棄所有進化過程中產生的不可行染色體。當可行的搜索空間是凸的,并且是整個搜索空間的適當部分時,該方法應該是有效的。然而,這是一個非常嚴格的限制。
hdpe土工膜策略是通過修復不可行染色體來使其可行。
修復策略是使用修復程序使不可行染色體可行。對于許多組合優化問題,結構修復程序相對容易。修復策略取決于是否有一個可以將不可行的后代轉化為可行的修復程序。該方法的缺點是它依賴于問題本身,并且必須為每個具體問題設計一個特殊的修復程序。對于某些問題,修復過程甚至比解決原始問題更復雜。
解決可行性問題的一種合理方法是設計問題的表達方式和特殊的遺傳算子,以保持染色體的可行性。這種方法通常比基于懲罰的遺傳算法更可靠。許多領域的實際工作者使用特殊的問題表達和遺傳算子來構建非常成功的遺傳算法,這是一個非常普遍的趨勢。然而,該方法的遺傳搜索受到可行域的限制。
上述三種策略的共同優點是不會產生不可行的解決方案,缺點是不能考慮可行域外的點。對于嚴格的約束問題,不可行的解決方案在種群中占很大比例。這樣,就很難在可行的領域找到可行的解決方案。懲罰技術可能是用遺傳算法解決約束問題中最常用的技術。本質上約束問題通過懲罰不可行的解決方案轉化為不可行的問題。在遺傳算法中,懲罰技術用于保持每一代種群中的部分不可行性,使遺傳搜索能夠從不可行性和可行性領域兩側實現最佳解決方案。