第15章_遗传算法精选.pdfVIP

遗传算法 遗传算法 天 津 科 技 大 学 数 学 系 谢中华 办公室：泰达4号楼211室 电话 E-mail: xiezhh@ /forum-181-1.html MATLAB统计分析与应用：40个案例分析 2013/10/22 © 谢中华, 天津科技大学数学系. 遗传算法 主要内容  遗传算法的起源  遗传算法的基本原理  遗传算法的MATLAB实现 2013/10/22 © 谢中华, 天津科技大学数学系. 遗传算法 第一节 遗传算法的起源 2013/10/22 © 谢中华, 天津科技大学数学系. 遗传算法 一、 遗传算法的概念 遗传算法（Genetic Algorithm ）是一类借鉴生物界的进化 规律（适者生存，优胜劣汰遗传机制）演化而来的随机化 搜索方法。它是由美国Michigan大学的J.Holland教授1975 年首先提出，其主要特点是直接对结构对象进行操作，不 存在求导和函数连续性的限定；具有内在的隐并行性和更 好的全局寻优能力；采用概率化的寻优方法，能自动获取 和指导优化的搜索空间，自适应地调整搜索方向，不需要 确定的规则。遗传算法的这些性质，已被人们广泛地应用 于组合优化、机器学习、信号处理、自适应控制和人工生 命等领域。它是现代有关智能计算中的关键技术。 2013/10/22 © 谢中华, 天津科技大学数学系. 遗传算法 遗传算法是从代表问题可能潜在的解集的一个种群 （population ）开始 的，而一个种群则由经过基因（gene ）编码的一定数目的个体 (individual)组成。每个个体实际上是染色体(chromosome)带有特征的 实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部 表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现， 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，在一开始需要实现从表现型到基因型的映射即编码工作。由于 仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初 代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation ） 演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应 度 （fitness ）大小选择（selection ）个体，并借助于自然遗传学的遗传 算子（genetic operators ）进行组合交叉 （crossover ）和变异 （mutation ），产生出代表新的解集的种群。这个过程将导致种群像 自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最 优个体经过解码 （decoding ），可以作为问题近似最优解。 2013/10/22 © 谢中华, 天津科技大学数学