遗传算法-蔡自兴.docVIP

遗传算法 生物种群的生存过程普遍遵循达尔文的物竞天择、适者生存的进化准则。种群中的个体根据对环境的适应能力而被大自然所选择或淘汰。进化过程的结果反映在个体结构上，其染色体包含若干基因，相应的表现型和基因型的联系体现了个体的外部特性与内部机理间的逻辑关系。生物通过个体间的选择、交叉、变异来适应大自然环境。生物染色体用数学方式或计算机方式来体现就是一串数码，仍叫染色体，有时也叫个体；适应能力用对应一个染色体的数值来衡量；染色体的选择或淘汰的问题是按求最大还是最小问题来进行的。 20世纪60年代以来，如何模仿生物来建立功能强大的算法，进而将它们运用于复杂的优化问题，越来越成为一个研究热点。进化计算（evolutionary computation）正是在这一背景下孕育而生的。进化计算包括遗传算法（genetic algorithm, GA）、进化策略（evolution strategy）、进化编程（evolutionary programming）和遗传编程（genetic programming）,从本节起将逐一对它们进行讨论。 遗传算法是模仿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，是进化计算的一种最重要的形式。遗传算法用与传统的数学模型截然不同，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，进化计算和遗传算