第四章_遗传算法_78-101_..docVIP

第四章 遗传算法 在经济活动中，很多实际优化问题涉及到大量参数的优化，或者寻找问题的全局最优解。这些问题不仅仅涉及大量计算，而且往往难以给出精确的数学模型，或者有了数学模型，也难以求出解析解来。有的搜索问题还面临着组合爆炸，常规算法无法应付。这些困难使得一些学者们寻求一种适于大规模并行且具有某些智能特征如自组织、自适应、自学习等的算法。遗传算法（Genetic Algorithm, GA）就是一种伴随解决此类复杂的、非线性问题而发展起来的广为应用的、高效的随机全局搜索与优化的自适应智能算法。 第一节 引言 一、遗传算法的生物学意义 遗传算法的生物学基础是达尔文进化论和孟德尔遗传变异理论。 根据达尔文进化论，地球上的每一物种从诞生开始就进入了漫长的进化历程。生物种群从低级、简单的类型逐渐发展成为高级、复杂的类型。各种生物要生存下去就必须进行生存斗争，包括同一种群内部的斗争、不同种群之间的斗争，以及生物与自然界无机环境之间的斗争。具有较强生存能力的生物个体容易存活下来，并有较多的机会产生后代；具有较低生存能力的个体则被淘汰，或者产生后代的机会越来越少，直至消亡。达尔文把这一过程和现象叫做“自然选择、适者生存”。 按照孟德尔遗传学理论，遗传物质是作为一种指令密码封装在每个细胞中，并以基因的形式排列在染色体上，每个基因有特殊的位置并控制生物的某些特性。不同的基因组合产生的个体对环境的适应性