В статье представлена процедура динамической модификации схемы бинарного кодирования в генетическом алгоритме (ГА), обеспечивающая адаптивную коррекцию области поиска в процессе работы алгоритма. В предложенной процедуре шаг дискретизации каждой координаты изменяется от поколения к поколению в зависимости от текущих границ областей с качественными решениями и плотности распределения индивидов в них. Для каждого такого диапазона рассчитывается число бит бинарной строки, представляющей решения в алгоритме, на основе количества кодируемых точек, после чего пересчитывается шаг дискретизации области поиска. При этом схема кодирования перестраивается таким образом, чтобы обеспечить корректность выполнения генетических операторов при наличии разрывов в области поиска, сохранить постоянную мощность множества перебираемых решений на каждом поколении, а также повысить точность найденных решений за счет динамически изменяющегося шага дискретизации. Экспериментальные результаты на многомодальных тестовых функциях, таких как Растригина и Стыблински-Танга, показали, что предложенная модификация ГА последовательно корректирует область поиска в ходе эволюции, концентрируя найденные решения вокруг глобальных экстремумов. В случае функции Растригина изначально разрозненные диапазоны постепенно фокусируются на области с максимальными значениями. Для функции Стыблински-Танга из заведомо неверного начальной области алгоритм смещает поиск к одному из глобальных оптимумов.
This paper presents a procedure for dynamically modifying the binary encoding scheme in a genetic algorithm (GA), enabling adaptive adjustment of the search space during the algorithm’s execution. In the proposed approach, the discretization step for each coordinate is updated from generation to generation based on the current boundaries of regions containing high-quality solutions and the density of individuals within them. For each such region, the number of bits in the binary string representing solutions is determined according to the number of encoded points, after which the discretization step is recalculated. The encoding scheme is restructured in a way that ensures the correctness of genetic operators in the presence of discontinuities in the search space, preserves the fixed cardinality of the solution set at each generation, and increases the precision of the solutions due to the dynamic adjustment of the discretization step. Experimental results on multimodal test functions such as Rastrigin and Styblinski–Tang demonstrate that the proposed GA modification progressively refines the search area during evolution, concentrating solutions around the global extrema. For the Rastrigin function, initially fragmented regions gradually focus around the global maximum. In the Styblinski–Tang case, the algorithm shifts the search from an intentionally incorrect initial area toward one of the global optima.
The authors declare that there are no conflicts of interest present.