摘要：遗传算法是目前广泛应用的一种模拟自然界生物进化机制的概率性搜索算法。初始种群是遗传算法运算时的第一步，因此它是研究遗传算法性质要面临的首要问题。本文通过实验研究了初始种群对遗传算法收敛性的影响。本文还研究了种群规模、交叉率和初始种群的关系，基于典型优化问题的实验，得出种群规模的选取应该在计算量、算法收敛性之间平衡，交叉率的选取应该有一个适当得值。
关键词：初始种群 收敛性 遗传算法 种群规模 随机数
Abstract：Genetic algorithm is now widely used as a mimic natural biological evolution mechanism probabilistic search algorithm. The initial population is the first step of genetic algorithm when performing, so it’s the primary problem to face when studying genetic algorithm properties. This paper mainly does experimental studies of the influence of initial population in genetic algorithm’s convergence .This paper also studies the relationship between the population scale , crossover rate and the initial population, based on the typical optimization problem, we draw a conclusion: the selection of the population scale in computation should balance between the calculation and algorithm convergence，the Crossover rate selection should have a right value.
Keywords：Initial population，convergence，Genetic algorithm，Population scale，random
遗传算法作为优秀的全局搜索算法之一，已经在很多方面得到了应用。本文通过对种群规模、初始种群与遗传算法的收敛性的关系进行对比实验，从中得出一些规律，为遗传算法今后的应用提供帮助。同时，为初始种群方面来改进遗传算法的收敛性奠定了基础。
在研究了初始种群对遗传算法收敛性影响，我们得出以下结论：
（1）初始种群的均匀分布和多样性，对于提高算法收敛速度和概率，有很大帮助。种群分布越均匀，就越有可能找到最优解，使得算法更快地得到收敛。
（2）种群规模的确定，不宜太小或太小，需要根据实际应用的情况来决定。
（3）交叉概率太小，交叉操作很少进行，从而会使搜索停滞不前，造成算法的不收敛；交叉概率太大，种群中个体更新很快，会造成高适应度值的个体很快被破坏掉，造成收敛到次优解。为了有利于初始种群的进化，有利于算法的收敛性的提高，我们需要选择合适的交叉率。
