第3章 遗传算法基本理论精要.ppt

* * 3.1 遗传算法的概述 3.1.1 遗传算法的概念 3.1.2 遗传算法的发展 3.1.3 遗传算法的特点 3.2 遗传算法的实现及流程 3.2.1 参数编码 3.2.2 种群规模及初始群体的设定 3.2.3 适应度函数的设计 3.2.4 遗传操作设计 3.2.5 控制参数设定 3.2.6 遗传算法的基本流程 3.3 遗传算法的应用 3.3.1 函数优化 3.3.2 组合优化 3.3.3 生产调度 3.3.4 自动控制 3.3.5 机器人学习 3.3.6 图像处理 3.3.7 人工生命 第3章 遗传算法基本理论 3.1 遗传算法概述 3.1.1 遗传算法的概念 遗传算法是以达尔文（Darwin）自然进化论和孟德尔（Mendel）遗传变异理论为基础的一种自适应全局优化概率搜索算法。 Darwin进化论最重要的是适者生存原理。 每一物种在发展中越来越适应环境，物种每 个个体的基本特征由后代所继承，但后代又 会产生一些异于父代的新变化。在环境变化 时，只有那些能够适应环境的个体特征才能 保留下来。 3.1 遗传算法概述 查尔斯·罗伯特·达尔文Charles Robert Darwin 1809.2.12~1882.4.19 Mendel遗传学说最重要的是基因遗传原理。 遗传以密码方式存在细胞中，并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质，所以每个基因产生的个体对环境具有某种适应性。 基因突变和基因杂交可以产生更适应于环境的后代，经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。 3.1 遗传算法概述 乔治·约翰·孟德尔 Gregor Johann Mendel 1822.7.20~1884.1.6 奥地利人，遗传学的奠基人，被称为现代遗传学之父（father of modern genetics） 遗传与进化的几个特点： ? 生物的所有遗传信息都包含在其染色体中，染色体决定了生物的性状。 ? 染色体是由基因及其有规律的排列所构成的，遗传和进化过程发生在染色体上。 ? 生物的繁殖过程是由其基因的复制过程来完成的。 ? 通过同源染色体之间的交叉或变异产生新的物种，使生物呈现新的性状。 ?对环境适应性好的基因或染色体比适应性差的有更多的机会遗传到下一代。 【注】同源染色体是有丝分裂中期看到的长度和着丝点位置相同的两个染色体，或减数分裂时看到的两两配对的染色体。一个来自父本，一个来自母本，形态、大小和结构相同。 3.1 遗传算法的概述 3.1.2 遗传算法的发展 遗传算法的第一次提出始于1967年，其发展历程大致分为三个阶段： ? 60~70年代的兴起阶段 1967年，美国密西根大学（University of Michigan）的J.H.Holland教授的学生J.D.Bagley在其博士论文中首次提出“遗传算法”一词，并发表了遗传算法应用方面的第一篇论文。 但当时基于自然进化的思想在学术界是受到怀疑和反对的。因此，也遭到一些学者的反对，但J.H.Holland教授及其学生们坚持了这一方向的研究。 3.1 遗传算法的概述 1975年，遗传算法发展史上竖起了两块里程碑： ① J.H.Holland教授出版了关于遗传算法的第一本专著《自然和人工系统中的自适应性》，系统阐述了遗传算法的基本理论和方法，提出了对遗传算法理论发展极为重要的模式理论、以及遗传算法的隐并行性，并将遗传算法应用于适应性系统模拟、函数优化、机器学习和自动控制等领域。 ② 其博士研究生K.A.Dejong完成了具有指导意义的博士论文《遗传自适应系统的行为分析》，建立了著名的Dejong五函数测试平台，定义了性能评价标准，并以函数优化为例，对遗传算法的六种方案的性能及机理进行了详细实验和分析，为后续的应用奠定了坚实的基础。 3.1 遗传算法的概述 ? 80年代的发展阶段 进入八十年代，随着传统人工智能暂时陷入困境，神经网络、机器学习和遗传算法等从生物系统底层模拟智能的研究重新复活。J.H.Holland教授实现了第一个基于遗传算法的机器学习系统——分类器系统，开创了基于遗传算法机器学习的新概念