智能控制理论及应用作者韩力群第六章遗传算法及应用课案.pptVIP

遗传算法及应用 遗传算法是一种新发展起来的基于优胜劣汰、自然选择、适者生存和基因遗传思想的优化算法，60年代产生于美国的密执根大学。 6.1遗传算法的原理与特点 　Darwin 的进化论： 　　 优胜劣汰，适者生存。 　Mendel的基因遗传学： 　　　遗传是作为一种指令码封装在每个细胞中，并以基因的形式包含在染色体中，每个基因有特殊的位置并控制某个特殊的性质，每个基因产生的个体对环境有一定的适应性，基因杂交和基因突变可能产生对环境适应性更强的后代，通过优胜劣汰的自然选择，适应值高的基因结构就保存下来。 6.1.1 遗传算法的基本原理 　　　遗传算法将问题的求解表示成“染色体”（用编码表示字符串）。该算法从一群“染色体”串出发，将它们置于问题的“环境”中，根据适者生存的原则，从中选择出适应环境的“染色体”进行复制，通过交叉、变异两种基因操作产生出新的一代更适应环境的“染色体”种群。随着算法的运行，优良的品质被逐渐保留并加以组合，从而不断产生出更佳的个体。 6.1.1遗传算法的基本原理 常规的寻优方法主要有三种类型： 解析法：间接法是通过让目标函数的梯度为零，进而求解 　　　　　　　一组非线性方程来寻求局部极值。 　　　　直接法是使梯度信息按最陡的方向逐次运动来寻 　　　　　　　求局部极值，它即为通常所称的爬山法。 枚举法：可寻找到全局极值，不需要目标函数连续光滑。 随