三种算法.docVIP

遗传算法 遗传算法的产生背景 生存斗争包括种内斗争、种间斗争以及生物跟无机环境之间的斗争三个方面。在生存斗争中,?具有有利变异的个体容易存活下来,?并有更多的机会将有利变异传给后代;?具有不利变异的个体就容易被淘汰,?产生后代的机会也少的多。因此,?凡是在生存斗争中获胜的个体都是对环境适应性比较强的。达尔文把这种在生存斗争中适者生存,?不适者淘汰的过程叫做自然选择。它表明,?遗传和变异是决定生物进化的内在因素。??? 自然界中的多种生物之所以能够适应环境而得以生存进化,?是和遗传和变异生命现象分不开的。正是生物的这种遗传特性,?使生物界的物种能够保持相对的稳定;?而生物的变异特性,?使生物个体产生新的性状,?以至形成新的物种,?推动了生物的进化和发展。遗传物质的主要载体是染色体,?染色体主要由DNA?和蛋白质组成。其中DNA?为最主要的遗传物质。基因是有遗传效应的片断,?它存储着遗传信息,?可以准确地复制,?也能发生突变,?并可通过控制蛋白质的合成而控制生物的状态.?生物自身通过对基因的复制和交叉(即基因分离,?基因组合和基因连锁互换)?的操作时其性状的遗传得到选择和控制。??? 生物的遗传特性,?使生物界的物种能保持相对的稳定;?生物的变异特性,?使生物个体产生新的性状,?以至于形成了新的物种(量变积累为变)?,?推动了生物的进化和发展。50?年代末到60?年代初,?自然界生物进化的理论被广泛接受。生物学家F?raser,?试图通过计算的方法来模拟生物界“遗传与选择”的进化过程,?这是遗传算法的最早雏形。??? 受一些生物学家用计算机对生物系统进行模拟的启发,?Ho?lland?开始应用模拟遗传算子研究适应性。在Bagley1967?年关于自适应下棋程序的论文中,?他应用遗传算法搜索下棋游戏评价函数的参数集,?并首次提出了遗传算法这一术语。1975?年Ho?lland?出版了遗传算法历史上的经典著作《自然和人工系中的适应性》,?首次明确提出遗传算法的概念。该著作中系统阐了遗传算法的基本理论和方法,?并提出了模式定理(schemata?theo?rem)?,?证明在遗传算子选择、交叉和变异的作用下,?具有低阶、短定义距以及平均适应度高于群体平均适应度的模式在子代中将以指数级增长。Ho?land?创建的遗传算法,?是基于二进制表达的概率搜索方法。在种群中,?通过信息交换重新组合新串;?根据评价条件,?概率选择适应性好的串进入下一代:?经过多代进化,?种群最后稳定在适应性好的串上。Ho?land?最初提出的遗传算法被认为是简单遗传算法的基础,?也称为标准遗传算法。 与其他算法相比,?遗传算法具有以下特点:?因为是从一群初始点而非单一的初始点开始的,?所以有效跳出局部极值点;?良好的适应性和可规模化,?因为使用的是目标函数的评价信息而非传统的目标函数的求导,?对目标函数的性态没有要求;?搜索效率高,?每代处理规模为n?的个体,?实际上处理了O?(n3)?个模式,?具有很高的并行性;?有较好的全局最优解求解能力,?在非连续,?多峰以及有噪音的环境中,?能以很大概率收缩到全局最优截或满意解;?容易扩充,?某一问题的遗传算法经简单修改后可用于其他问题,?或者加入特定领域的知识,?或者与已有算法结合。遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,?是具有“生存+?检测”的迭代过程的搜索算法。自古以来，关于人类智能本源的奥秘，一直吸引着无数哲学家和自然科学家的研究热情。生物学家、神经学家经过长期不懈的努力，通过对人脑的观察和认识，认为人脑的智能活动离不开脑的物质基础，包括它的实体结构和其中所发生的各种生物、化学、电学作用，并因此建立了神经元网络理论和神经系统结构理论，而神经元理论又是此后神经传导理论和大脑功能学说的基础。在这些理论基础之上，科学家们认为，可以从仿制人脑神经系统的结构和功能出发，研究人类智能活动和认识现象。另一方面，19世纪之前，无论是以欧氏几何和微积分为代表的经典数学，还是以牛顿力学为代表的经典物理学，从总体上说，这些经典科学都是线性科学。然而，客观世界是如此的纷繁复杂，非线性情况随处可见，人脑神经系统更是如此。复杂性和非线性是连接在一起的，因此，对非线性科学的研究也是我们认识复杂系统的关键。为了更好地认识客观世界，我们必须对非线性科学进行研究。人工神经网络作为一种非线性的、与大脑智能相似的网络模型，就这样应运而生了。 ?人工神经网络的研究始于40年代初。半个世纪以来，经历了兴起、高潮与萧条、高潮及稳步发展的远为曲折的道路。 1943年，心理学家W.S.Mcculloch和数理逻辑学家W.Pitts 提出了M—P模型，这是第一个用数理语言描述脑的信息处理过程的模型， 虽然神经元的功能比较弱，但它为以后的研究