- 1、本文档共75页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
5、遗传算法原理与应用
5.1 遗传算法概述
5.2 遗传算法的生物学基础
5.3 基本遗传算法
5.4 模式定理
5.5 遗传算法的实现技术
5.6 遗传算法的应用举例
1
5、1 遗传算法概述
一、问题提出
遗传算法(Genetic Algorithms GA )是一种基于自然选择和基
因遗传学原理的优化搜索算法,
两个研究目的:抽象和严谨的解释自然界的适应过程;
将生物系统的重要机理运用到工程系统、计算机系统等人工系统中。
遗传算法在计算机上模拟生物的进化过程和基因操作,并不需
要对象的特定知识,也不需要对象的搜索空间是连续可微的,具有
全局寻优能力。一些常规的优化算法难以有效解决的问题,遗传算
法的寻优技术往往能得到较好的效果,常用于函数优化、自动控制、
图像识别、机器学习等。
2
1、智能优化算法
又称现代启发式算法,是一种具有全局优化性能、通用性强、且
适合于并行处理的算法。算法一般具有严密的理论依据,而不是单纯
凭借专家经验,理论上可在一定时间内找到最优解或近似最优解。
(1)遗传算法(Genetic Algorithm,简称GA)
(2)模拟退火算法(Simulated Annealing,简称SA)
(3)禁忌搜索算法(Tabu Search,简称TS)
共同特点:都是从任一解出发,按照某种机制,以一定的概率在整
个求解空间中探索最优解。由于可以把搜索空间扩展到整个问题空
间,因而具有全局优化性能。
3
2、自然选择说
生物种群的生存普遍遵循达尔文的物竞天择、适者生存的进化准
则,遗传算法是 1962年由美国 Michigan大学的Holland教授提出的模拟
自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起来的。自然选
择学说包括以下三个方面:
(1)遗传 生物的普遍特征,亲代把生物信息交给子代,子代总是和
亲代具有相同或相似的性状。生物有了这个特征,物种才能稳定存在。
(2)变异 亲代和子代之间以及子代的不同个体之间的差异。变异是
随机发生的,变异的选择和积累是生命多样性的根源。
(3)生存斗争和适者生存 具有适应性变异的个体被保留下来,不具
有适应性变异的个体被淘汰,通过一代代的生存环境的选择作用,性
状逐渐与祖先有所不同,演变为新的物种。
4
3、遗传算法的主要思想
遗传算法是从代表问题可能潜在的解集的一个 种群开始的,(一个
种群由经过基因编码的一定数目的个体组成。每个个体是染色体带有特
征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内
部表现是某种基因组合,它决定了个体的形状的外部表现,如黑头发的
特征是由染色体中控制这一特征的某种基因组合决定的。因此,一开始
需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工
作很复杂,往往进行简化,如二进制编码。)
初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产
生出越来越好的近似解, 在每一代,根据问题域中个体的适应度大小选
择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出
代表新解集的种群。过程像自然进化一样,后生代种群比前代更适应于
环境,末代种群中的最优个体经过解码,可作为问题近似最优解。
5
4、遗传算法的特点
遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,与传
统的优化算法相比,主要有以下特点:
1、以决策变量的编码作为运算对象。传统的优化算法直接决策变量
的实际值本身,而遗传算法处理决策变量的某种编码形式,使得可以借鉴
生物学中的染色体和基因的概念,模仿自然界生物的遗传和进化机理,也
能够方便的应用遗传操作算子。
2、直接以适应度作为搜索信息,无需导数等其它辅助信息。
3、不是从单个点,而是从一个点的群体开始搜索;
4、具有内在的隐并行性和较好的全局寻优能力;
5、采用概率化寻优方法,能自动获取搜索过程中的有关知识并用于
指导优化,自适应地调整搜索方向,不需要确定的规则。
6
二、 遗传算法的应用
提供了一种求解复杂系统优化问题的通用框架,不依赖于问题的具体
领域,对问题的种类有很强的鲁棒性,广泛应用于很多学科领域。
(1) 函数优化
函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评
价的常用算例。对于一些非线性、多模型、多目标的函数优化问题,用
其他优化方法较难求解,用遗传算法可以方便地得到较好的结果。
(2) 组合优化
随着问题规模的增大,组合优化问题的搜索空间也急剧扩大,有时
在目前的计算机上用枚举法很难或甚至不可能求出其精确最优解。对这
类复杂问题,在于寻求满意解上,遗传算法是最佳工具之一。遗传算法
对于组合优化中的NP完全问题非常有效。
例如,
您可能关注的文档
- 悬架的工艺规程及铣右端面的工装夹具设计解析.doc
- 悬索桥最优跨度的研究及台湾海峡大桥的概念设计(20140603青岛张师定)解析.doc
- 悬挑式脚手架专项方案解析.doc
- 旋挖机施工方案解析.doc
- 选修1-2、4-4、4-5、必修一检测题解析.doc
- 选修2-3检测题解析.doc
- 药理学笔记2解析.doc
- 药理学考点大全重点总结试题总结期末考试必备解析.doc
- 药理学习题适用于各医学院校本科期末考第4篇内脏系统药理解析.doc
- 药理学最终版解析.doc
- 第十一章 电流和电路专题特训二 实物图与电路图的互画 教学设计 2024-2025学年鲁科版物理九年级上册.docx
- 人教版七年级上册信息技术6.3加工音频素材 教学设计.docx
- 5.1自然地理环境的整体性 说课教案 (1).docx
- 4.1 夯实法治基础 教学设计-2023-2024学年统编版九年级道德与法治上册.docx
- 3.1 光的色彩 颜色 电子教案 2023-2024学年苏科版为了八年级上学期.docx
- 小学体育与健康 四年级下册健康教育 教案.docx
- 2024-2025学年初中数学九年级下册北京课改版(2024)教学设计合集.docx
- 2024-2025学年初中科学七年级下册浙教版(2024)教学设计合集.docx
- 2024-2025学年小学信息技术(信息科技)六年级下册浙摄影版(2013)教学设计合集.docx
- 2024-2025学年小学美术二年级下册人美版(常锐伦、欧京海)教学设计合集.docx
文档评论(0)