遺傳算法作為一種隨機搜索算法存在一定概率的不穩(wěn)定性，這主要是由于復制操作引起有效基因丟失，而變異概率很小，恢復有效基因很困難。
當發(fā)生未成熟收斂現(xiàn)象時，群體集中某一局部極值點。復制過程中，復制出的個體在這一局部極值點附近的概率很大，使得復制出的個體X1，X2 之間的漢明距離 1 2 X − X 很小甚至為零，復制使得群體的多樣性進一步下降，而且當個體之間的漢明距離1 2 X − X 很小甚至為零時，經(jīng)過交叉操作產(chǎn)生新個體的概率下降甚至為零，因此，交叉的效率很低。這時只能靠編譯產(chǎn)生新個體，但一般情況下編譯概率很小，而且在群體集中于某一局部極值點時，經(jīng)過編譯后的個體的適合度高于此局部極值點個體適合度的概率很小，往往因復制不上而被淘汰，即使編譯后的個體適合度高于此局部極值點的適合度，也由于這種個體數(shù)量很少（一般只有一到兩個）和復制的偶然性被淘汰的概率較大。

因此應該在群體多樣性變差之前采取相應措施維持群體多樣性。為此，我國學者楊振強提出了一種改進的自適應遺傳算法，該算法具有選擇性的自適應復制、交叉、變異概率的方法：復制概率Pr 隨個體的適合地上升而增加，交叉概率Pc、變異概率Pm 隨個體的適合度和整個群體的進化程度而改變，適合度高，則Pc 和Pm 趨于下降。當個體適合度趨于一致時，對于平均適合度附近的個體，則Pc 和Pm 將顯著增加，Pr 下降。
改進的自適應遺傳算法，使人有耳目一新的感覺，不求，只求更好，正航儀器為您提供動態(tài)資訊，歡迎關注 ！http://www.jinyanpm.com