系统优化的新算法剖析.ppt

动态规划的维数灾 3.5 系统优化理论的新进展 遗传算法 1、遗传算法概述 　　遗传算法（genetic algorithm ，简称GA）是由美国J.H.Holland于1975年提出的一种全新的优化搜索算法。GA发展初期，并没有引起学术界的关注，因而发展比较缓慢，直到八十年代，GA的研究才引起重视并逐步成熟起来，目前，已在组合优化、机器学习、自适应控制、模式识别、神经网络、经济预测等领域取得了令人瞩目的应用成果。 1．1遗传算法的实现 基本思想来源于遗传进化，根据自然选择和适者生存原理，利用简单的编码技术和繁殖机制，模拟自然界生物群体优胜劣汰的进化过程，实现对复杂问题的求解。 把搜索空间（欲求解问题的解空间）映射为遗传空间，把每一个可能的解编码为一个向量（二进制或十进制数字串），称为一个染色体（或个体），向量中每一个元素称为基因。 所有染色体组成群体（群体中染色体个数用POP表示），并按预定的目标函数（或某种评价指标）对每个染色体进行评价，根据其结果给出一个适应度值。 算法开始时，先随机地产生一些染色体（欲求解问题的候选解），计算其适应度，根据适应度对诸染色体进行选择、交叉、变异操作，剔除适应度差的染色体，留下适应度较好（性能优良）的染色体，从而得到新的群体。 新群体的染色体是上一代群体的优秀者，继承了上一代的优良性态，因而明显优于上一代，这样就能向着更优解的方向进化，直至满足某