matlab神经网络优化的遗传算法.pdfVIP

第 27卷 第 3期 赤 峰 学 院 学 报 (自然 科 学版 ) VoJ．27No．3 2011年 3月 JournalofChifengUniversity(NaturalScienceEdition) Mar．20l1 matlab神经网络优化的遗传算法 朱珏钰 一．李 峰 (1．长沙理工大学，湖南 长沙 410004；2．湖南第一师范学院，湖南 长沙 410205) 摘 要：遗传算法它将 “优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中， 按照一定的适配值函数及一系列遗传操作对各个体进行筛选 ，从而使适配值高的个体被保留下来，组成新 的群体，新群体中各个体适应度不断提高，直至满足一定的极限条件．此时，群体中适配值最高的个体即为 待优化参数的最优解．正是由于遗传算法独有的工作原理，使它能够在复杂空间进行全局优化搜索，并且 具有较强的鲁棒性． 关键词：遗传算法；权值 ；概率；遗传算子；染色体 ；适应度 中图分类号 ：TP311 文献标识码 ：A 文章编号 ：1673—260X(2011)03—0035—02 遗传算法(Genetic Algorithm，GA)是一种基于 启发式算法和搜索算法．(1)枚举法：枚举出可行解 自然选择和基因遗传学原理的优化搜索方法．1【】它 集合内的所有可行解，求出精确最优解．这种方法 把 自然界 “优胜劣汰，适者生存”的生物进化原理引 只能对有限的可行解集合使用，并且效率较低．(2) 入优化参数形成的编码串联群体中，按照所选择的 启发式算法：通过寻求一种能产生可行解的启发性 适应度函数并通过遗传中的选择、交叉和变异对个 规则 ，从而找到一个最优解或者近似最优解．这种 体进行筛选，使适应度值好的个体被保留，适应度 方法对不同的问题需要找出其特定的启发式规则， 差的个体被淘汰，新的群体既继承了上一代的信 应用时也有一定的难度．(3)搜索算法：寻求一种搜 息，又优于上一代．这样反复循环，直至满足条件．遗 索算法，此算法在可行解集合的一个子集内进行搜 传算法具有高效启发式搜索、并行计算等特点，目 索操作，已找到问题的最优或近似最优解．例如梯 前已经应用在函数优化、组合优化以及生产调度等 度搜索算法，这种方法如果结合一些启发式知识， 方面． 常常可以取得一种好的平衡．I3】 1 遗传算法的基本要素 在遗传算法中，将n维决策向量x=[x，x2，…．xn1T 遗传算法的基本要素包括染色体编码方法、适 用n个记号X0=1，2，…，n1所组成的符号串x表示： 应度函数、遗传操作和运行参数．嘲其中染色体编码 X=X。X……Xn)X~．．Ix。’x2，……x 把每一个 xi看做 方法是指个体的编码方法，目前包括二进制法、实 一 个遗传基因，它的所有的可能取值称为等位基 数法等．二进制法是指把个体编码成为一个二进制 因．这样 x就可看做 由n个遗传基因组成的一个染 串，实数法是指把个体编码成为一个实数串．适应 色体．一般情况下，染色体的长度 I1是固定的，但对 度函数是指根据进化 目标编写的计算个体适应度 一 些问题，n也可以是变化的．根据不同的情况，这 值的函数，通过适应度函数计算每个个体的适应度 里的等位基因可以是一组整数，也可以某一范围内 值，提供给选择算子进行选择．遗传操作是指选择 的实数值，或者纯粹的一个记号．最简单的等位基 操作、交叉操作和变异操作．运行参数是遗传算法 因是 由不得 0和 1这两个整数组成的，相应的染色 在初始化时确定的参数，主要包括群体大小 M，遗