第2章 基本遗传算法.doc

遗传算法 遗传算法生物学基础和基本理论 达尔文自然选择学说认为，生物要生存下去，就必须进行生存斗争。生存斗争包括种内斗争、种间斗争以及生物跟无机环境之间的斗争三个方面。在生存斗争中，具有有利变异(mutation)的个体容易存活下来，并且有更多的机会将有利变异传给后代;具有不利变异的个体就容易被淘汰，产生后代的机会也少得多。因此，凡是在生存斗争中获胜的个体都是对环境适应性比较强的。达尔文把这种在生存斗争中适者生存，不适者淘汰的过程叫做自然选择。达尔文的自然选择学说表明，遗传和变异是决定生物进化的内在因素。遗传是指父代与子代之间，在性状上存在的相似现象。变异是指父代与子代之间，以及子代的个体之间，在性状上或多或少地存在的差异现象。在生物体内，遗传和变异的关系十分密切。一个生物体的遗传性状往往会发生变异，而变异的性状有的可以遗传。遗传能使生物的性状不断地传送给后代，因此保持了物种的特性，变异能够使生物的性状发生改变，从而适应新的环境而不断地向前发展。 生物的各项生命活动都有它的物质基础，生物的遗传与变异也是这样。根据现代细胞学和遗传学的研究得知，遗传物质的主要载体是染色体(chromsome),染色体主要是由DNA(脱氧核糖核酸)和蛋白质组成，其中DNA又是最主要的遗传物质。现代分子水平的遗传学的研究又进一步证明，基因(gene)是有遗传效应的片段，它储存着遗传信息，可以准确地复制，也能够发生突变，并可通过控制蛋白质的合成而控制生物的性状。生物体自身通过对基因的复制(reproduction)和交叉(crossover)，即基因分离、基因自由组合和基因连锁互换)的操作使其性状的遗传得到选择和控制。同时，通过基因重组、基因变异和染色体在结构和数目上的变异产生丰富多采的变异现象。需要指出的是，根据达尔文进化论，多种多样的生物之所以能够适应环境而得以生存进化，是和上述的遗传和变异生命现象分不开的。生物的遗传特性，使生物界的物种能够保持相对的稳定;生物的变异特性，使生物个体产生新的性状，以至于形成了新的物种，推动了生物的进化和发展。 由于生物在繁殖中可能发生基因交叉和变异，引起了生物性状的连续微弱改变，为外界环境的定向选择提供了物质条件和基础，使生物的进化成为可能。人们正是通过对环境的选择、基因的交叉和变异这一生物演化的迭代过程的模仿，从而提出了能够用于求解最优化问题的强鲁棒、自适应的遗传算法。 遗传算法（Genetic Algorithm--GA）起源于对生物系统进行的计算机模拟研究，是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应优化概率搜索算法。它最早由美国Michigan大学的Holland教授提出，起源于20世纪60年代对自然和人工自适应系统的研究。20世纪70年代Holland教授的学生De Jong基于遗传算法在计算机上进行了大量的纯数值函数优化计算实验。最后在20世纪80年代由Goldberg进行归纳总结，形成了遗传算法的基本框架。 遗传算法是基于自然界的生物遗传进化机理而演化出的一种自适应优化算法。针对不同类型的问题，人们设计出了各种不同的编码方法和不同的进化算子，从而构成了不同类型的遗传进化机制，以适应解决各种不同的问题，Goldberg对这些算法加以总结，归纳出这些不同的遗传算法之间的共同特点，即：遗传和进化过程都是通过选择、交叉和变异的机理来完成对问题最优解的自适应搜素过程，由此提出了一种统一了所有遗传算法本质特征的最基本的遗传算法——基本遗传算法（Simple Genetic Algorithms,SGA）。在基本遗传算法中只使用选择算子、交叉算子、和变异算子这三种基本的遗传算子，从而给其他各类遗传算法提供了基本的算法框架。 2、遗传算法的基本思想 我们以引用生物遗传学上的相关术语来描述遗传算法的基本思想.遗传算法根据待解问题的要求，从代表问题可能潜在解集的一个种群(population)开始,而一个种群是由经过基因(gene)编码(coding)的一定数目的个体(individual)组成.每个个体实际上是带有特征的染色体(chromosome)实体.染色体作为遗传物质的主要载体,其不同的基因组合决定了个体的性能表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的.因此遗传算法中最基础的工作就是实现染色体个体的性能表现，即：实现个体的编码工作。由于仿照基因编码的工作很复杂,针对不同的问题编码都有所不同，在基本遗传算法中为了增强算法的适应性，我们往往简化编码工作,而采用二进制编码。 当完成编码工作，初代种群产生之后，则对种群按照“优胜劣汰，适者生存”的进化原理来逐代(generation)进化，在每一代中,都是根据该代种群个体的适应度值(fitness)的大小来挑选下一代个体群体，并借助于自然