编码是遗传算法应用中首要解决的问题。从码值取值上,遗传算法可分为二值编码遗传算法和多值编码遗传算法。相对于二值编码,多值编码遗传算法表现出不同的进化性能。随着所要解决的问题越来越复杂,多值编码遗传算法显示出一定的优越性,因此对多值编码遗传算法的进化性能进行研究具有一定的理论意义和实用价值。本文针对多值编码遗传算法因码值多值性而使问题表现出一定的独特性,从模式基因提取和缺失基因复现两个角度探讨对算法性能改善的方法,进行算法进化性能的研究,内容主要包括以下三个方面:一、比较二值编码遗传算法和多值编码遗传算法的进化性能,多值编码遗传算法在种群搜索稳定性和搜索精度等方面均优于二值编码遗传算法。二、遗传算法的进化迭代使种群中部分基因呈指数级增长,对于多值编码,因西安理工大学硕士学位论文为码值的多值性,一旦所.片过高比例的这部分基因由于非最优解中相应的基因而使算法陷入到局部解,那么就很难确定所需基因并使算法跳出局部解。本文在分析多值字符串在种群中所表现特征的基础上,形成模式基因的提取方法,并利用模式基因提出一种多值编码遗传算法的性能改善方法。它能够促进统计模式向期望模式收敛,提高算法的搜索性能。 二、针对多值编码遗传算法中不可避免的基因缺失问题,通过分析与二值编码在基因缺失问题上的差异,总结解决多值编码基因缺失问题要点的基础上设计了一种缺失基因复现方法。它能够在复现缺失基因的同时加强缺失基因的重组功能。 验证方法有效性的算例是多重选择背包问题川。多重选择背包问题是一个人规模组合优化问题。多重选择背包问题模型可以应用于许多领域,如资金预算问题,大型产品结构优化问题‘’、2’等。仿真实验验证了从不同角度所提出的方法对多值编码遗传算法进化性能提高的有效性。关键词:遗传算法,多值编码,模式基因提取,基因缺失,多重选择背包问题