两阶段遗传算法

现实生活中无论是复杂优化系统还是其他领域的优化问题，对精度的研究具有很高的应用价值。

理论上，当所考虑的优化问题存在最优解时便一定能够求出精确的值，但在实际问题中，由于模型的提炼过程存在理论误差、数据的欠缺存在信息误差、认知观念的不同存在认识偏差等等，因而常常考虑的是优化问题的满意解。从直观的角度来看，优化问题变量变化范围与解的精度具有密切的联系，当优化变量的变化范围较大时，便很难求出精度较高的满意解，而当变量的变化范围很小时，则易于求出精度较高的满意解。

因此，对寻优范围大、精度要求高的优化问题，若能够按照某种策略，在不损失最优解的情况下逐步缩小问题的寻优范围，那么对求得精度较高的满意解显然是有利的。

基于以上观点，给出了两阶段遗传算法，其基本策略：

第1阶段寻找问题的满意解群体；

第2阶段以第1阶段得到的满意解群体为基准，按照某种策略缩小寻优范围(如逐步二分法、领域法)[某些收缩搜索空间的改进方式亦如此]，并继续搜索精度更高的全局最优解或满意解。