9

b) 交叉。对所选择的M 2⁄对母体，依概率P c 执行交叉形成M 个中间个体。 c) 变异。对M 个中间个体分别独立依概率P m 执行变异，形成M 个候选

个体。

d) 选择(子代)。从上述所形成的M 个候选个体中依适应度选择出N 个个

体组成新一代种群X (t +1)。

4) 终止检验。如已满足终止准则,则输出X (t +1)中具有最大适应度的个体

作为最优解，终止计算；否则置t →t +1并转2）。

2.2.2模型的结果与分析

遗传算法运行一次，其目标值随迭代次数变化如图（6）。

将遗传算法运行20次，最终算法返回了20组地理纬度φ

∗和杆长H 的最优值，

如表1。

表 1 遗传算法所得的结果

经度 纬度 杆长 误差 地点 110.25 19.7067 1.8475 0.0089 海南 110.25 5.5425 1.9062 0.0033 南海西部 110.25 55.5132 6.3441 0.0561 俄罗斯 110.25 7.654 3.3529 0.0837 南海 110.25 2.1994 3.5288 0.1080 南海 110.25 15.4839 1.085 0.0124 南海 110.25 37.39 3.2258 0.007 陕西 110.25

11.261

3.1378

0.1824

南海

图 6 遗传算法的目标值随迭代次数的变化