Matlab与传算法.ppt

遗传算法理论 遗传算法的概要 问题的提出 对于一个求函数最大的优化问题一般可以描述为下述数学规划模型 式中， 为决策变量，f(x)为目标函数，式(1-2),(1-3)为约束条件，U为基本空间，R是U的一个子集，称为可行集。 总的来讲，求最优解或近似最优的方法主要有三种：枚举法，启发式算法和搜索算法，随着问题种类的不同和规模的扩大，上述方法都不理想，遗传算法却提供了这类问题一个有效方法，开创了一种新的全局优化搜索算法。 遗传算法中，将N维决策向量 用n个记号Xi(i=1,2,...n)所组成的符号串X来表示： 把每个Xi看成一个遗传基因，它的所有可能取值称为等位基因，这样，X就可看做是由n个遗传基因所组成的一个染色体。 遗传算法中，决策变量X组成了问题的解空间。对问题最优的搜索是通过染色体X的搜索过程来进行的，从而由所有染色体X就组成了问题的搜索空间。 遗传算法的基本概念和术语 与生物界的进化过程相类比，遗传算法中有以下几个非常重要的概念和术语： 种群（population） 染色体带有特征的个体的集合称为种群。该集合内个体数称为群体的大小。有时个体的集合也称为个