第三部分 用遗算法求解问题s.pptVIP

第三部分 用遗传算法求解问题 3.1 遗传算法的基本概念 3.2 遗传编码 3.3 适应值函数 3.4 遗传操作 3.5 初始化群体 3.6 控制参数的选取 3.7 算法的终止准则 3.8 遗传算法的基本理论 3.9 遗传算法简例 3.10遗传算法的应用领域 3.1 遗传算法的基本概念 基本思想使用模拟生物和人类进化的方法求解复杂的优化问题，因而也称为模拟进化优化算法。 遗传算法将择优与随机信息交换结合在一起，在每一代中，使用上代中最好的，即最适应环境的位或片段，形成新的人工生物集。 遗传算法是一个迭代过程，在每次迭代中都保留一组候选解，并按某种优劣指标进行排序，然后按某种指标从中选出一些解，利用遗传算子，即下面要讲到的遗传操作，对其进行运算以产生新一代的一组解。重复上述过程，直到满足指定的收敛要求为止。 3.1.1 遗传算法的基本概念 定义3.1 个体: 个体是一个数据结构，用来描述基本的遗传结构。 定义3.2 适应性：每个个体有一对应的适应值。在优化问题中，适应值来自于一个估计函数。 定义3.3 群体:由个体组成的集合。 定义3.4 遗传操作：遗传操作作用于群体而产生新的群体。 标准的代遗传操作一般包括选择(或复制)，交叉(或重组)和变异三种基本形式。 一个简单的遗传操作实例 3.1.2 遗传算法的基本流程 遗传算法涉及五大要素： 参数编码