4、遗传算法中的CHC算法及相关交叉算子详解

遗传算法中的CHC算法及相关交叉算子详解

1. CHC算法概述

CHC算法在执行过程中，当乱伦阈值为正时，会进行保守选择和积极重组。在这个“内循环”中不进行变异操作。如果某个位点的等位基因发生收敛（即所有种群成员在该位点具有相同的等位基因），由于HUX交叉算子具有“尊重性”，后续的重组操作无法重新引入丢失的等位基因。

2. CHC算法关键操作

2.1 半均匀交叉（Half - Uniform Crossover，HUX）

• 原理 ：均匀交叉（UX）是指在每个位点上，等位基因以一定概率（通常为0.5）进行交换，交换的基因数量呈二项分布。而HUX首先确定父母等位基因不同的所有位点，然后随机选择其中一半进行交换。这样，每对交配产生的两个后代能够产生最多的由父母组件构建的新模式，实现最大程度的探索。
• “尊重性” ：和许多交叉算子一样，HUX具有“尊重性”。即如果父母在某个位点具有相同的等位基因，后代保证会继承该等位基因（忽略可能因突变导致的丢失）。

2.2 软重启（Soft - Restarts）

• 操作方式 ：硬重启是对种群进行完全重新随机化，而软重启是让“收敛”种群中的一个（或多个）成员完整存活（精英策略），同时向种群中引入随机多样性。通常的做法是创建上一代中最适应的单个染色体的克隆种群，并对除一个（称为Noah）之外的所有染色体以用户定义的速率进行随机变异。经验表明，变异率为0.35通常是有效的，但对于特定的适应度景观，其他值可能更好。