魯欣欣，王淮冬

（1.吉林工商學(xué)院基礎(chǔ)教研部，吉林 長春 130507；2.長春工業(yè)大學(xué) 電氣與電子工程學(xué)院，吉林 長春 130012）

0 引言

近幾年，智能算法已經(jīng)廣泛應(yīng)用于電力、醫(yī)療、農(nóng)業(yè)、汽車等領(lǐng)域，部分替代了傳統(tǒng)的人工控制，并已研究出較為成熟的智能算法和基于智能算法智能化的解決方案。本文主要介紹智能算法中具有代表性的兩種智能算法—遺傳算法和粒子群算法。

1 智能算法的發(fā)展

智能算法又被稱為“軟計(jì)算”，是人們通過對已發(fā)現(xiàn)的自然規(guī)律和一些自然現(xiàn)象進(jìn)行總結(jié)，根據(jù)其原理，模仿求解實(shí)際需要的問題的計(jì)算方法。簡單來說，智能算法是仿生學(xué)的一個(gè)方面，通過仿生原理進(jìn)行設(shè)計(jì)，例如遺傳算法、粒子群算法、神經(jīng)網(wǎng)絡(luò)算法等，都是利用仿生原理設(shè)計(jì)的智能算法。

2 遺傳算法的發(fā)展歷程

遺傳算法（GA）最早于20世紀(jì)70年代提出，該算法是根據(jù)自然規(guī)律中生物的優(yōu)勝劣汰進(jìn)化演變來的[1]，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。遺傳算法主要是用數(shù)學(xué)中概率論的知識解決問題。通過計(jì)算機(jī)模擬運(yùn)算，將求最優(yōu)解問題轉(zhuǎn)換成染色體基因的交叉、變異的過程[2]；利用優(yōu)勝劣汰的規(guī)則篩選所需的適應(yīng)值，將不合格的數(shù)據(jù)返還，再次經(jīng)歷交叉、變異的過程。在求解較為復(fù)雜的組合優(yōu)化問題時(shí)，相對一些常規(guī)的優(yōu)化算法，通常能夠較快地獲得較好的優(yōu)化結(jié)果。遺傳算法已廣泛地應(yīng)用于車間調(diào)度、機(jī)器仿真、信號處理等領(lǐng)域。

2.1 遺傳算法特點(diǎn)

在解決優(yōu)化和搜索問題上，遺傳算法和傳統(tǒng)算法最大的不同就是利用概率理論對數(shù)據(jù)進(jìn)行處理。所以遺傳算法在結(jié)果上具有猜測性，并不是確定的值。該算法利用遺傳學(xué)中的交叉變異原則對解決問題的算子重新編碼，篩選合適的算子迭代出最優(yōu)解。遺傳算法能在眾多的智能算法中脫穎而出是因?yàn)樵撍惴ㄋ阉鹘獾姆绞?。遺傳算法是以集合的方式將數(shù)據(jù)迭進(jìn)行代求解的，解決多解最優(yōu)的問題效率極高[3]，降低了陷入局部最優(yōu)解的風(fēng)險(xiǎn)，并且算法更容易被編碼運(yùn)行。

2.2 遺傳算法的不足

編碼的不規(guī)范會(huì)對其準(zhǔn)確性造成極大影響。單一的遺傳算法編碼不能全面地將優(yōu)化問題的約束表示出來。若增加約束條件，必然需要對編碼重新進(jìn)行篩選，這樣一來，大大增加了計(jì)算時(shí)間。雖然遺傳算法更容易得出全局最優(yōu)解，但是其算法的運(yùn)算效率特別低，運(yùn)算過程相對復(fù)雜。在計(jì)算過程中時(shí)常發(fā)生收斂過早的情況影響計(jì)算結(jié)果。目前針對遺傳算法的計(jì)算精度，收斂速度還沒有成熟可靠的設(shè)計(jì)方案。

2.3 遺傳算法的改進(jìn)與應(yīng)用

遺傳算法的缺點(diǎn)主要是運(yùn)算效率低和收斂精度差。所以遺傳算法的改進(jìn)方向很明顯，一是改進(jìn)算法結(jié)構(gòu)，提高運(yùn)算效率，二是改進(jìn)遺傳操作，提高算法的收斂精度。

以應(yīng)用在調(diào)度規(guī)劃上的改進(jìn)方式為例。標(biāo)準(zhǔn)的遺傳算法是按選擇、交叉、變異的順序結(jié)構(gòu)進(jìn)行運(yùn)算，所以執(zhí)行操作的效率很低。改進(jìn)的遺傳算法在結(jié)構(gòu)上將變異操作從交叉操作環(huán)節(jié)分離出來，與交叉操作并列運(yùn)行，大大提高了算法的尋優(yōu)速度。在操作上首先對交叉操作進(jìn)行改進(jìn)，以“門當(dāng)戶對”的原則對個(gè)體進(jìn)行配對，以單點(diǎn)交叉的方式代替原有的交叉方式，這樣可以削弱遺傳算法在尋優(yōu)過程中出現(xiàn)抖動(dòng)的概率。其次對變異操作進(jìn)行改進(jìn)，在變異的操作中利用調(diào)度規(guī)劃中出現(xiàn)的混沌序列進(jìn)行適當(dāng)次數(shù)的迭代，得到變異的新染色體。變異操作的改進(jìn)是彌補(bǔ)對交叉改進(jìn)出現(xiàn)的收斂早熟的漏洞，降低算法陷入局部最優(yōu)解的風(fēng)險(xiǎn)。從遺傳算法的改進(jìn)方式可以看出，改進(jìn)的方式還是較為單一，并且僅限應(yīng)用于對調(diào)度規(guī)劃中遺傳算法的改進(jìn)。

3 粒子群算法的發(fā)展歷程

粒子群優(yōu)化算法（PSO）是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協(xié)作的隨機(jī)搜索算法。PSO可以和其他優(yōu)化算法進(jìn)行結(jié)合且連通性特別好。PSO中，每一只鳥都代表一個(gè)需要搜索解決的問題[4]。一般將這樣的鳥稱之為搜索空間中的“粒子”。所有的粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的適應(yīng)值，每個(gè)粒子還有一個(gè)速度決定他們飛翔的方向和距離，粒子們追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。

3.1 粒子群算法特點(diǎn)

粒子群算法和遺傳算法有很多共同之處，但粒子算法運(yùn)算結(jié)構(gòu)十分簡單且運(yùn)算效率高。因?yàn)镻SO不需要對數(shù)據(jù)進(jìn)行交叉和變異操作，所以PSO算法的運(yùn)算效率特別高，能更快速地收斂到適應(yīng)值。PSO是通過更新迭代每個(gè)粒子在空間中的位置和速度來搜索最優(yōu)解的，所以粒子群算法的精確度迭代次數(shù)和粒子的位置以及速度有關(guān)。粒子群算法能得到廣泛應(yīng)用也和算法特有的信息共享以及單項(xiàng)信息流動(dòng)的屬性有關(guān)。在全局中，所有粒子共享自己的位置，跟隨整個(gè)搜索范圍內(nèi)最佳位置求取最優(yōu)解，大大縮短了運(yùn)算時(shí)間，提高了運(yùn)算效率。

3.2 粒子群算法的不足

粒子群算法處理多解問題的表現(xiàn)不是很好，特別是處理多樣性最優(yōu)解的問題上所得到的優(yōu)解值略顯單一。對于復(fù)雜函數(shù)的算子的選擇比較麻煩。對于以上問題，目前通過改進(jìn)多目標(biāo)粒子群算法和改進(jìn)權(quán)重PSO算法等實(shí)用性更強(qiáng)地改進(jìn)PSO算法[5]。很多改進(jìn)后的PSO算法針對不同優(yōu)化問題表現(xiàn)的更有針對性，收斂速度更快，優(yōu)解精度更高，還解決了遺傳算法處理不了的問題。

3.3 粒子群算法的改進(jìn)與應(yīng)用

粒子群算法的優(yōu)化比起其他智能算法的改進(jìn)升級更容易。主要是因?yàn)槠鋵?shí)現(xiàn)起來非常簡單，而且需要設(shè)置的參數(shù)較少；待優(yōu)化問題的維數(shù)對算法本身的影響不大，所以更容易被改進(jìn)升級，實(shí)現(xiàn)多目標(biāo)問題的優(yōu)化。

以多目標(biāo)優(yōu)化的粒子群算法的改進(jìn)方式為例。正常所提到的粒子群算法是單目標(biāo)算法，由于其收斂快速，也容易陷入局部最優(yōu)解的險(xiǎn)境；同樣地，多目標(biāo)的尋優(yōu)也有這樣的問題，因此采用二者相結(jié)合的改進(jìn)方式解決算法容易陷入局部最優(yōu)解的問題。主要從以下4個(gè)方面對算法進(jìn)行改進(jìn)。

（1）在優(yōu)化過程中，將原有的從整個(gè)空間中對局部搜索的方式改變?yōu)閺亩鄠€(gè)相鄰的小集合的方式加強(qiáng)對局部的搜索，保持解的多樣性，使解在空間中分布得更加均勻，提高對領(lǐng)導(dǎo)粒子選擇的質(zhì)量，從而提高收斂速度。

（2）在保持解的多樣性的過程中，改進(jìn)的方式就比較多?？梢詫⒖臻g分解成多個(gè)子空間，有利于保持粒子的多樣性；也可以和量子理論結(jié)合，輔助粒子迭代到全局最優(yōu)位置，在保持種群多樣的同時(shí)，加快收斂到全局最優(yōu)解的時(shí)間；還可以基于博弈機(jī)制，篩選出優(yōu)質(zhì)的粒子，有利于保持種群的多樣性。

（3）從收斂性上提高精確度及速度。在進(jìn)行單目標(biāo)優(yōu)化時(shí)收斂速度很快，但由于目標(biāo)數(shù)和空間維度的增加，收斂速度也會(huì)隨之降低。可通過改進(jìn)慣性權(quán)重系數(shù)和學(xué)習(xí)因子加快多目標(biāo)的收斂速度；也可以引入新的策略和其他智能算法結(jié)合提高算法在整個(gè)空間的搜索速度，減少種群多樣性的流失；還可以利用粒子群算法信息共享的特點(diǎn)對種群進(jìn)行劃分，通過各個(gè)子種群的信息共享保持多樣性的同時(shí)提高收斂速度。

（4）對迭代公式和運(yùn)算結(jié)構(gòu)進(jìn)行改進(jìn)。這一方面的改進(jìn)主要針對優(yōu)化問題的需要，制定一套有針對性的迭代公式、參數(shù)、擴(kuò)展運(yùn)算結(jié)構(gòu)。

4 結(jié)語

本文介紹了智能算法的由來，重點(diǎn)介紹了遺傳算法和粒子群算法的優(yōu)缺點(diǎn)。針對粒子群算法存在的不足總結(jié)出了幾種優(yōu)化改進(jìn)的PSO算法。

目前的智能算法研究水平還很難使機(jī)器設(shè)備達(dá)到真正的人工智能，只是對各種行為進(jìn)行模仿，但智能計(jì)算將在未來處于一個(gè)快速發(fā)展的階段。算法不僅限于對自然規(guī)律的仿生，還需要與人的思維邏輯結(jié)合來實(shí)現(xiàn)真正的人工智能。智能算法將會(huì)逐步改變?nèi)藗兊纳詈蜕a(chǎn)方式。