2.4　關鍵參數說明

下面介紹一下遺傳算法的主要參數，它在程序設計與調試中起著至關重要的作用。

群體規模NP

群體規模將影響遺傳優化的最終結果以及遺傳算法的執行效率。當群體規模NP太小時，遺傳優化性能一般不會太好。采用較大的群體規模可以減小遺傳算法陷入局部最優解的機會，但較大的群體規模意味著計算復雜度較高。一般NP取10～200。

交叉概率Pc

交叉概率Pc控制著交叉操作被使用的頻度。較大的交叉概率可以增強遺傳算法開辟新的搜索區域的能力，但高性能的模式遭到破壞的可能性增大；若交叉概率太低，遺傳算法搜索可能陷入遲鈍狀態。一般Pc取0.25～1.00。

變異概率Pm

變異在遺傳算法中屬于輔助性的搜索操作，它的主要目的是保持群體的多樣性。一般低頻度的變異可防止群體中重要基因的可能丟失，高頻度的變異將使遺傳算法趨于純粹的隨機搜索。通常Pm取0.001～0.1。

遺傳運算的終止進化代數G

終止進化代數G是表示遺傳算法運行結束條件的一個參數，它表示遺傳算法運行到指定的進化代數之后就停止運行，并將當前群體中的最佳個體作為所求問題的最優解輸出。一般視具體問題而定，G的取值可在100～1000之間。