sect;94 遗传算法.pptVIP

跳转到第一页 跳转到第一页 §9.4 遗传算法 遗传算法(Genetic Algorithms—GAs)是上个世纪70年代初兴起的一门新兴学科，它是一种基于对生物界自然选择和自然遗传机制的模拟来解决实际问题的高度并行、随机、自适应搜索方法。它主要用在处理最优化问题和机器学习。 模拟进化方法(simulated evolution method) 进化计算方法(evolutionary computation) 遗传算法的发展及特点 遗传算法起源于上世纪60年代(Michigen大学的John Holland)、兴起于70年代，但它的广泛应用始于80年代后期。 第一届遗传算法国际会议于1985年举行 第一本教科书出版于1989年。 遗传算法的特点： (1)搜索效率高( ) (2)搜索具有稳健性(Robust) (3)可有效地避免局部优化( ) (4)适于多变量、非线性优化 (5)搜索具有探索性或启发性(Heuristics) §9.4.1 自然进化与遗传算法 Darwin进化论： 设计精美的生物是从由机遇而存在的、足够简单的、最原始的实体一步一步地进化而来的。在进化过程中，每一步由随机产生的前辈到自身的产生都足够简单。但当你考虑从初始点到最终产物的整个过程的复杂性时，一步一步的演变过程构成的决非是一个纯机遇过程。 演变过程是受到每一步的幸存者所控制的。 大