針對遺傳算法的未成熟收斂問題國內(nèi)外學(xué)者提出了許多改進(jìn)方法，如：重新啟動發(fā)、匹配策略、重組策略、代替策略等等。正航儀器的工程師們收集了其中的資料，進(jìn)行分析：
這些方法的提出的確使得未成熟收斂現(xiàn)象得到一定的緩解，但都對遺傳算法本身帶來不同程度的負(fù)面影響。通過上面的論述已經(jīng)知道導(dǎo)致遺傳算法未成熟收斂的根本原因是種群多樣性的下降。而在種群進(jìn)化過程中，選擇、交叉、變異三種操作數(shù)起到了主導(dǎo)作用，因此，近些年來有人提出了對上述三種遺傳操作數(shù)加以改進(jìn)并增添了新的高品質(zhì)遺傳操作數(shù)，使得遺傳操作過程中維持種群的多樣性，從根本上避免了未成熟收斂現(xiàn)象的發(fā)生。

在改進(jìn)遺傳算法的眾多學(xué)者中，Srinivas 提出一種自適應(yīng)交叉概率Pc 和變異概率Pm 的方法很具有代表性值得參考和借鑒！其理論原則是：當(dāng)群體趨于局部最優(yōu)或個體的適合度趨于一致時，使Pc 和Pm 增加，當(dāng)個體的適應(yīng)度比較分散時，Pc和Pm 隨之下降，維持群體的多樣性，改善搜索能力。但其自適應(yīng)不具有選擇性，當(dāng)出現(xiàn)未成熟收斂現(xiàn)象時，無論個體的適應(yīng)度是否接近平均適合度，它的Pc 和Pm 都增加，不利于在非局部最優(yōu)點的個體對求解空間的搜索，因此還需要進(jìn)一步改進(jìn)。
有始必有終，自適應(yīng)遺傳算法的提出，不方面，完善了我國的環(huán)境試驗設(shè)備發(fā)展史，另一方面，也鞭策工程師們更好地學(xué)習(xí)。http://www.cetexelec.com