kj003水利系统工程.ppt

遗传算法 Genetic Algorithm GA 简介 遗传算法 借鉴生物界自然选择原理和自然遗传机制而形成的一种迭代式自适应概率性全局优化搜索算法。 基本特点 简单易懂、通用、适合并行处理，可用于解决各种复杂优化问题 鼻祖 美国 密歇根(Michigan)大学 John Holland教授 如何借鉴？ 对于一个优化问题，一定数量的候选解（生命个体）被表示为抽象的数字串（染色体），通过进化向更好的解发展。 选解一般为二进制数字串（即0和1），但也可能有其他表示。一开始，生命个体完全随机产生，之后一代一代的进化，在进化过程中的每一代，每一个个体的适应程度被评价，通过自然选择和变异产生新的生命群体，该群体就是下一代的个体。 遗传算法与自然进化的比较 三、算法机理 优化问题的解被视为个体，它表示为一个参数列表，叫做染色体或者基因串。染色体一般被表达为简单的字符串或数字串。 一开始，算法随机生成一定数量的个体，有时操作者也可以对这个随机产生过程进行干预，播下已经部分优化的种子。在每一代中，每一个个体都被评价，并通过适应度函数计算并返回一个适应度数值。 下一步是产生下一代个体并组成群落。这个过程是通过选择和繁殖完成的，其中繁殖包括杂交和突变。 选择是根据新个体的适应度数值进行的，适应度越高，选择的机会越多，而适应度低的，被选择的机会就低。通过这样的过程，初始的数据可以达到一个优化的群