3.4 遗传算法的改进方向

标准遗传算法的主要本质特征，在于群体搜索策略和简单的遗传算子，这使得遗传算法获得了强大的全局最优解搜索能力、问题域的独立性、信息处理的并行性、应用的鲁棒性和操作的简明性，从而成为一种具有良好适应性和可规模化的求解方法。但大量的实践和研究表明，标准遗传算法存在局部搜索能力差和“早熟”等缺陷，不能保证算法的收敛。

在现有的许多文献中出现了针对标准遗传算法的各种改进算法，并取得了一定的成效^[3-6]。它们主要集中在对遗传算法的性能有重大影响的6个方面：编码机制、选择策略、交叉算子、变异算子、特殊算子和参数设计（包括群体规模、交叉概率、变异概率）等。

此外，遗传算法与差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和量子计算等结合起来所构成的各种混合遗传算法，可以综合遗传算法和其他算法的优点，提高运行效率和求解质量。