_遗传算法GA资料.ppt

主要内容 一、遗传算法概述 二、遗传算法的基本操作 三、遗传算法原理 四、遗传算法的应用 1、遗传算法起源 遗传算法(Genetic Algorithm, GA)是由美国的J. Holland教授于1975年在他的专著《自然界和人工系统的适应性》中首先提出的，它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 GA来源于达尔文的进化论、魏茨曼的物种选择学说和孟德尔的群体遗传学说。其基本思想是模拟自然界遗传机制和生物进化论而形成的一种随机化搜索全局最优解的算法。 一、遗传算法概述 2、生物进化理论和遗传学基本知识 一、遗传算法概述 (1) 达尔文的自然选择说 遗传（heredity）： 子代和父代具有相同或相似的性状，保证物种的稳定性。 变异（variation）： 子代与父代,子代不同个体之间总有差异，是生命多样性的根源。 生存斗争和适者生存： 具有适应性变异的个体被保留，不具适应性变异的个体被淘汰。 一、遗传算法概述 2、生物进化理论和遗传学基本知识 (2) 遗传学基本概念和术语 基因(gene)：染色体的一个片段 染色体(Chromosome)：问题中个体的某种字符串形式的编码表示 种群(Population)：个体的集合,该集合内的个体数称为种群的大小 基因型(genetype)：基因组合的模型，染色体的内部表现 表现型(phenotype)：染色体决定性状的外部表现 1 1 1 1 1 1 1 1 1 1 0 1 1 1 个体 染色体 9 ---- 1001 一、遗传算法概述 2、生物进化理论和遗传学基本知识 (2) 遗传学基本概念和术语 进化(evolution)：个体逐渐适应生存环境，不断改良品质的过程 适应度(fitness)：反映个体性能的一个数量值 编码(coding)：从表现型到基因型的映射 解码(decoding)：从基因型到表现性的映射 适应度函数(fitness function): 问题中的全体个体与其适应度之间的一个对应关系,一般是一个实值函数。该函数就是遗传算法中指导搜索的评价函数。 1 选择-复制(selection-reproduction) 二、遗传算法的基本操作 选择-复制指的就是以一定的概率从种群中选择若干个体并进行复制的操作。 轮盘赌选择（roulette wheel selection） 随机遍历抽样（stochastic universal selection） 局部选择（local selection） 截断选择（truncation selection） 锦标赛选择（tournament selection） 选择概率P(xi)的计算公式为: 常用选择-复制方法： 按比例的适应 度分配方法 1 选择-复制(selection-reproduction) 二、遗传算法的基本操作 例：轮盘赌选择 解 (1)计算选择概率和累计概率 个体 染色体 适应度 选择概率 累计概率 1 0001100000 8 0.086957 0.086957 2 0101111001 5 0.054348 0.141304 3 0000000101 2 0.021739 0.163043 4 1001110100 10 0.108696 0.271739 5 1010101010 7 0.076087 0.347826 6 1110010110 12 0.130435 0.478261 7 1001011011 5 0.054348 0.532609 8 1100000001 19 0.206522 0.739130 9 1001110100 10 0.108696 0.847826 10 0001010011 14 0.152174 1.000000 1 选择-复制(selection-reproduction) 二、遗传算法的基本操作 个体 染色体 适应度 选择概率 累计概率 1 0001100000 8 0.086957 0.086957 2 0101111001 5 0.054348 0.141304 3 0000000101 2 0.021739 0.163043 4 1001110100 10 0.108696 0.271739 5 1010101010 7 0.076087 0.347826 6 1110010110 12 0.130435 0.478261 7 1001011011 5 0.054348 0.532609 8 1100000001 19 0.206522 0.739130 9 1001110100 10 0.108696 0.84