b)交叉。交叉操作是遗传算法中最主要的遗传操作。通过交叉操作可以得到新一代个体，新个体组合了父辈个体的特性。将群体内的各种个体随机搭配成对，对每一个个体，以某个概率（称为交叉概率，Crossover Rate）交换它们之间的部分染色体。交叉体现了信息交换的思想。来:自[优.尔]论,文-网www.chuibin.com +QQ752018766-

c)变异。变异操作首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机改变串结构数据中的某个串的值，即对群体中的每一个个体，以某一概率（称为变异概率，Mutation Rate）改变每一个或某一些基因座上的基于值为其他的等位基因。同生物界一样，遗传算法中变异发生的概率很低。变异为新个体的产生提供了机会。

（5）基本参数设定

遗传算法的参数主要包含：种群规模的大小、遗传优化迭代次数、交叉概率和变异概率等。算法优化的效果与这些参数的设置密切相关，最好是能够实时调整这些参数以保证整个优化过程最优，收敛的快且得到的解是全局最优解。这里也是本课题研究中模糊控制的作用所在[13-15]。