实验三：简单遗传优化.docVIP

实验三：简单的遗传优化 一、实验目的 （1）熟悉和掌握遗传算法的运行机制和求解的基本方法。 （2）利用C语言编写程序实现利用遗传算法中的编码，变异，交叉，复制来求解函数最大值。 二、实验内容 利用遗传算法求解函数： 的最大值，其中，x∈[-1,2]|。 三、实验原理 遗传算法是模拟生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的一种重要形式。遗传算法与传统数学模型截然不同，它为那些难以找到传统数学模型的难题找出了一个解决方法。同时，遗传算法借鉴了生物科学中的某些知识，从而体现了人工智能的这一交叉学科的特点。遗传算法基本机理主要分为以下三方面： 编码与解码 将问题结构变换为位串形式编码表示的过程叫做编码；相反的，将位串形式编码表示变换为原问题结构的过程叫做解码或者译码。把位串形式编码表示叫做染色体，有时也叫做个体。 适应度函数 为了体现染色体的适应能力，引入了对问题中的每一个染色体都进行度量的函数，叫做适应度函数（fitness function）。通过适应度函数来决定染色体的优劣程度，它体现了自然界进化中的优胜劣汰原则。对于优化问题，适应度函数就是目标函数。 遗传操作 简单的遗传算法操作主要有三种：选择（selection）、交叉（crossover）、变异（mutation）。改进的遗传算法大量扩充了遗传操作，以达到更