遗传算法应用PPT.ppt

遗传算法 1 .基本概念 2 .应用举例 1基本概念 遗传算法：模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存+检测”的迭代过程的搜索算法。 本质特征：与传统的启发式优化搜索算法（爬山算法、模拟退火算法）相比，遗传算法的主要本质特征在于群体搜索策略和简单的遗传算子。 1基本概念 理论基础：主要以收敛性分析为主，即群体收敛到优化问题的全局最优解的概率。 分类：从整体上讲，可分为给予随机过程的收敛性研究（随机模型理论）和基于模式理论的收敛性分析（进化动力学理论） 1基本概念 遗传算法的优点： ?以目标函数值作为搜索信息，提高了搜索效率； ?以决策变量的编码作为运算对象，这种编码处理方式可以更方便的操作算子； ?使用自适应概率搜索技术，增加了搜索过程的灵活性。 1基本概念  遗传算法的构成要素： ①参数编码（一般二进制） ②初始群体的设定N ③适应度函数 ④遗传算子（包括选择算子、交叉算子、突变算子） ⑤基本遗传算法运行参数（N、T/Pc/Pm/Pr） 1基本概念 遗传算法的一般框架 ： ①编码设置初始群体????? ②对群体迭代