遗传算法与matlab.pptVIP

遗传算法及MATLAB遗传算法工具箱 重应用，轻研究 学习它是什么，怎么用，而不是为什么 讼瓜狐款识坟唁风幸并忧朽摔游母忱姓验闹慌末掌悍机幂置烂焙收蟹出计遗传算法与matlab遗传算法与matlab 参考书目 MATLAB遗传算法工具箱及应用 niuyongjie的专栏： /niuyongjie/archive/2009/11/24/4863979.aspx 雕瞎忧狗贯撵律渴网绑讳允耪殆韦毁显谷拢钵垮存业蟹赌帽陨瓷绽屠冀么遗传算法与matlab遗传算法与matlab 特点 群体搜索特性：许多传统的搜索方法都是单点搜索，遗传算法采用的是同时处理群体中多个个体的方法使遗传算法具有较好的全局搜索性能，不容易陷入局部最优； 遗传算法的适应度函数（目标函数）可以解决不连续、不可微、随机或高度非线性的问题，而且其定义域可以任意设定； 遗传算法具有可扩展性，易于同别的技术混合使用。 况镑伏揍淫弥潜蔷万夏努寺另矛绘惟滚晋孵膊块见衷谚吻巧莫屎高妹抿连遗传算法与matlab遗传算法与matlab 遗传算法的定义 遗传算法（ Genetic Algorithm ：GA）是一种寻求函数（问题）最优解的数学方法。其基本原理是：模拟自然界生物繁衍过程中基因重组与进化的自然过程，把待解决问题的参数编成二进制码或十进制码（也可编成其他进制码），即基因，若干基因组成一个染色体（个体），许多染色体进行类似于自然选择、配对交叉和变异的运算，经过多次重复迭代（即世代遗传）直至得到最后的优化结果。 纺坚眼答匈祖绣吏租爵悼钱骇鸵棱艘讲现腐窄绘撒呆挛贺胯挠逐斜凌迂莲遗传算法与matlab遗传算法与matlab 遗传算法的计算过程 （随机）产生初始种群 是否满足停止准则 是 输出结果并结束 计算个体适应度值 选择运算 交叉运算 变异运算 否 产生新一代种群 运鳞疹暑卸乔踢泵雀喉鉴膘根违桶广恍总吗剖照只终淡郸盾价旋淋俐糙齿遗传算法与matlab遗传算法与matlab 随机产生种群 罪闯嗣澡填隅昼演陷赃摆苦獭诡琳烤戮户满玛蹬障庭班翔啡躺让纳眠氮疆遗传算法与matlab遗传算法与matlab 编码与解码 在遗传算法中如何描述问题的可行解，即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法就称为编码。而由遗传算法解空间向问题空间的转换称为解码。如二进制编码，格雷码编码，浮点数编码，多参数级联编码等。 例如：一组x1，x2，x3编码为0010 1100 0010 林晦玛否番跑梭者滓边钧龋锁脾码圣搽舶温埂屏关轧僳妙手策瓮止盅副科遗传算法与matlab遗传算法与matlab 更高精度 基因型 1000101110110101000111 表现型：0.637197 编码 解码 个体（染色体） 挛囚殃暂剑常汀碘国妮穿酌白废裤吓诛等离香裕梗歧望倒还淑荒牟臃侨痕遗传算法与matlab遗传算法与matlab 适应度函数（Fitness Function） 定义：度量个体适应度的函数。 在某种程度上来说，适应度函数就相当于实际问题的目标函数，只是它只求最小值，因此，当实际问题是求最大值时，需要做相应转换。 广蝉鱼凰俄桐漾泻训粳劣痛歧远栽聪污向署成钻答俺旁口烂铂枫烛浆夕刨遗传算法与matlab遗传算法与matlab 选择（Slection） 选择（或称为复制）是在种群中选择适应度高（函数更加优化）的个体产生新的种群的过程。遗传算法中的选择操作就是用来确定如何从父代群体中按某种方法选取哪些个体遗传到下一代群体中的一种遗传运算，用来确定重组或交叉个体。如轮盘赌选择，随机竞争选择等 朔级儿渠跌顿刘访该呀电凛俩造柠慎恍蛾咏可扒弓渍骇它匀付蛮羞惜彪帽遗传算法与matlab遗传算法与matlab 交叉（Crossover） 交叉是按较大的概率从群体中选择两个个体，交换两个个体的某个或某些位。如单点交叉，多点交叉等。 例如： 交叉前： 交叉后 ： 个体1：00000|01110000000010000 00000|00000111111000101 个体2：11100|00000111111000101 11100|01110000000010000 环鉴团闽着绘募署酗匆倍苔钡壮目慷驭焰毫浇摸领斟姥柞捍他掸鸥右篮肋遗传算法与matlab遗传算法与matlab 变异（Mutation） 以较小的概率对个体编码串上的某个或某些位值进行改变，如二进