遗传算法细讲.ppt

遗传算法 沈阳工业大学 应用数学系 智能算法（启发式算法） 是人们受自然界或生物界规律的启发，并根据自然界或生物界的原理，模仿其规律而设计的求解优化问题的算法 。如，模拟退火，禁忌搜索，蚁群，粒子群，人工鱼等等。 2.遗传算法特点 特点：全局搜索，避免局部最优 近似算法，区别于传统优化算法 定义的适应函数是不连续的、非规则的情况下，它也能以很大的概率找到整体最优解 全局最优与局部最优 3.遗传算法思想 射杀袋鼠 4.流程 5.例子 在[0,31]上的最大值。 1.编码。 2.初始种群。 s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) 3.计算适应值及选择概率。 由目标函数计算适应函数值 种群初始串位及对应的函数值 赌轮选择示意 复制操作 交叉 变异 变异频率为每一个千位中只有一个变异，20*0.001=0.02，可以忽略不计。 对比复制和交叉表，可以看出，虽然仅经历了一代遗传，第二代的平均值及最大值却比第一代的平均值及最大值有了很大的提高。 6.优点 遗传算法只对参数集的编码进行操作，而不是对参数本身进行操作。 遗传算法是从许多初始点开始并行操作，而不是在一个单点上进行寻优。 遗传算法通过目标函数来计算适应值，而不需要其他的推导和附属。 遗传算法使用随机转换规则而不是确定性规则来工作。 7.算例 matlab遗传算法工具箱 检查，ver matlab自带的遗传算法工具箱，gatool 谢菲尔德遗传算法工具箱，gatbx 添加工具箱, file→set path→add folder 检查 v=ver（gatbx） 每代的最优解以及经过20代进化后的种群分布 最优解的进化过程