对于单个计算点的优化追踪过程，遗传算法放弃了这个传统的优化方法，而是多个计算点同时被操控，一个生物群体被看成了操作的对象。遗传算法是改变线列集团的质量，通过遗传操作算子，有三种最基本的操作：交叉，再生产和突然变异。

　　2.2遗传算法的优化过程

　　遗传算法为求解复杂建筑结构优化问题提供了一种通用框架，它不仅仅只依赖于问题的种类和领域。对一个实际应用问题进行优化计算，遗传算法构造求解该问题一般可按下述步骤来进行。

　　第一步：确定各种约束条件及决策变量，即确定问题的解空间和个体的表现型X。

　　第二步：建立优化模型，确定是求目标函数的最小值或是求目标函数的最大值，即确定目标函数的类型及其量化方法或数学形式。

　　第三步：确定表示染色体编码的可行解方法，即确定出遗传算法的搜索空间及确定出个体的基因型X。

　　第四步：确定编码方法，即个体基因型X到个体表现型X的转换方法或对应关系的确定。

　　第五步：确定量化评价个体适应度的方法，即目标函数f（x）到个体适应度fit（x）的转换规则的确定。

　　第六步：设计遗传算子，即确定变异运算、选择运算、交叉运算等遗产算子的操作具体方法。

　　第七步：确定有关遗传算法的运行参数，即遗传算法的pc、pm等参数的确定。

　　研究遗传算法的优化过程一直被实际工程问题直接的推动，高效实用的遗传算法优化的研究和探讨具有广泛而深远的意义。

　　2.3遗传算法提高精度、加快收敛的策略

　　通常按照上述计算步骤进行遗传算法复杂建筑结构优化的收敛速度比较慢，跳跃的现象经常在计算过程中出现。为了更好的解决上述问题，下面介绍了三种修正方法。

　　第一种是引入突变算子，减小局部出现最优解的可能性。做法是按一个较小的概率取反交配池中经过交换算子操作过的个体的二进制串的每一个。如果更优个体产生，则使之保留，反之淘汰。一般突变概率很小，不宜超过0.005，根据实际情况来定。

　　第二种是可以保护最优的几个个体，使它们直接进入下一代而不受任何影响，直至更优的个体的出现；或者强制令最优的几个个体进行交配，其它个体进行正常过程的交配。这样局部退化现象就会有效的减少，收敛进程加快。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。