一种改进型的遗传算法在配料系统中的应用.doc

一种改进型的遗传算法在配料系统中的应用.doc一种改进型的遗传算法在配料系统中的应用
摘要:鉴于标准遗传算法存在的缺点,本文对遗传算法的选择策略、交叉过程、变异操作进行了改进,提出了一种改进型的遗传算法。然后使用实数编码,并将这种算法应用到了饲料配制系统中。大大提高了饲料配制方法的科学性。
关键词:遗传算法实数编码饲料配制
:TP3 :A :1007-9416(2010)08-0122-01

1 引言
在配制饲料过程时,除应根据牲畜生产目的、年龄、体重等,选择不同的饲养标准外,在饲料原料的选择上还要掌握以下几点[1]。(1)注意原料的种类和用量。(2)所选原料的体积必须与消化道容积相适应。(3)要掌握原料的有关特性。(4)充分利用当地原料资源,以节约开支,降低成本,增加收入。要发挥饲养对象的最大生产潜能、提高饲料转化效率、增加产量、降低成本,关键的技术措施是配制营养完善和平衡的饲料。高效、先进的算法是计算机在饲料配方设计的实际应用中发挥作用的前提[2]。
从以上可以看出,配置完善的饲料其实就是一个多目标求最优解的过程。
这里引入一种新的优化算法—遗传算法。是一种并行的、能够有效优化的算法,an的基因理论及eldridge 与gould间断平衡理论为依据,同时融合了mayr的边缘物种形成理论和bertalanffv一般系统理论的一些思想,模拟达尔文的自然界遗传学:继承、进化、优胜劣汰。其实质就是一种把自然界有机体的优胜劣汰的自然选择、适者生存的进化机制与同一群体中个体与个体间的随机信息交换机制相结合的搜索算法。运用遗传算法求解问题首先需将所要求解的问题表示成二进制编码,然后根据环境进行基本的操作:selection,crossover,mutation……这样进行不断的所谓“生存选择”,最后收敛到一个最适应环境条件的个体上,得到问题的最优解[3]。

2 标准遗传算法的不足
(1)算法的运算时间长。(2)计算后的结果不理想,与单纯型法的结果相比还有一定的差距。(3)标准遗传算法在进化过程中易产生早熟现象和局部寻优能力差等问题。

3 改进遗传算法在饲料配方设计中的应用
本文提出了一种改进型的遗传算法,并把他应用到了饲料配制系统中。具体方法如下:
编码方法
遗传算法通过这种对个体编码的操作,不断搜索出适应度较高的个体,并在群体中逐渐增加其数量,最终寻求出问题的最优解或近似最优解。在遗传算法中如何描述问题的可行解,即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法就称为编码。
实数编码是指个体的每个基因值用某一范围内的一个浮点数来表示,个体的编码长度等于其决策变量的个数。根据饲料配方设计的要求及实数编码的特点,在本次饲料配方中的标准遗传算法采用实数编码。
初始种群的生成
根据饲料原料及其营养成分表中各种原料的用量上限、用量下限、等量使用的要求,在最优解所占问题空间中的分布范围内使用随机生成初始种群。
(1)生成随机种子;(2)设定初始种群的数量;(3)利用约束条件对生成的每一个随机数的上下限进行控制,保证生成的随机数在约束条件围内;(4)测试生成的种群中各原料是否能满足营养需求,若不能满足则返回(3);(5)初始种群的数量是否达到,若达到则跳出,否则返回(3);
适应度函