遗传算法的特点及其应用.pptVIP

遗传算法简介及应用举例 目 录 遗传算法的基本概念 简单的遗传算法 选择、交换、变异 遗传算法应用举例 子集和问题 TSP(旅行商)问题 结束语 遗传算法的基本概念 遗传算法（Genetic Algorithms，简称GA）根据适者生存，优胜劣汰等自然进化规则来进行搜索计算和问题求解。 对许多用传统数学难以解决或明显失效的复杂问题，特别是优化问题，GA提供了一个行之有效的新途径。 简单的遗传算法 GA把每一个可能的解编码为一个向量，称为一个染色体，向量的每一个元素称为基因。所有染色体组成群体。并按预定的目标函数对每个染色提进行评价，根据其结果给出一个适应度的值。 算法开始时先随机地产生一些染色体，计算其适应度，根据适应度对诸染色体进行选择、交换、变异等遗传操作，剔除适应度低的染色体，留下适应度高的染色体。 由于新群体的成员是上一代群体的优秀者，因而在总体上优于上一代。GA就这样反复迭代，直至满足某种预定的优化指标。上述GA的工作过程可用图1简要描述。 选 择 选择运算使用比较普遍的一种是适应度比例法。其实就是将适应度值视为其权值，权值大的被选中的概率也大。它与各染色体适应度成比例。某一染色体被选中的概率为 式中xi为种群中第i个染色体对应的数字串，f(xi)是第i个染色体的适应度值