论文-遗传算法基本步骤.docVIP

遗传算法 遗传算法（Genetic Algorithm）是基于进化论的原理发展起来的一种广为应用，高效的随机搜索与优化的方法。它从一组随机产生的初始解称为“种群”，开始搜索过程。种群中的每个个体是问题的一个解，成为“染色体”是一串符号。这些染色体在每一代中用“适应度”来测量染色体的好坏, 通过选择、交叉、变异运算形成下一代。选择的原则是适应度越高,被选中的概率越大。适应度越低，被淘汰的概率越大。每一代都保持种群大小是常数。经过若干代之后，算法收敛于最好的染色体，它很可能是问题的最优解或次优解。这一系列过程正好体现了生物界优胜劣汰的自然规律。 比如有编号为1到10的特征，现在要选取其中的5个，基于遗传算法的特征选择可以如下这样直观的理解： 下续（表格） 下续…… 初始群体 第一次迭代 第二次迭代 特征组合 判别值 特征组合 判别值 特征组合 判别值 1,2,3,4,9 8 1,2,3,4,9 8 1,3,5,7,9 13 2,3,6,8,9 7 1,3,5,7,8 10 1,2,3,7,8 10 6,7,8,9,10 4 1,2,3,7,9 12 1,3,5,7,8 10 1,3,5,7,8 10 1,3,4,5,8 9 1,2,3,7,9 12 即设有4个不同的初始特征组合，分别计算判别值，然后取最大的2个组合（[1,2,3,4,9]和[1,3,5,7,8]）进行杂交，