第四章遗传算法文件材料教学稿件.ppt

第四章 遗传算法;目 录;1970年,Cavicchio把GA应用于模式识别中. 第一个把GA应用于函数优化的是Hollstien. 而GA的理论和方法的系统性研究开始于1975年,这一开创性工作是由J.H.Holland所实行. 这一年是GA研究的历史上十分重要的一年. Holland在他的著名专著《Adaptation in Natural and Artificial Systems》中系统地阐述了GA的基本理论和方法,并提出了对GA的理论研究和发展极为重要的模式理论(schemata theory). 该理论首次确认了结构重组遗传操作对于获得隐并行性的重要性.;同年,DeJong完成了他的重要论文《遗传自适应系统的行为分析》. 他在该论文中所做的研究工作可看作是GA发展过程中的一个里程碑,这是因为他把Holland的模式理论与他的计算使用结合起来. 1989年Goldberg对GA从理论上,方法上和应用上作了系统的总结. 1990年代以来,以GA为代表的进化类算法及计算智能理论和算法得到极大重视.1994年在美国召开了第一届世界计算智能大会,欣起了进化类算法研究和应用的热潮.;GA与其它优化方法相比,具有如下特点: GA不是直接作用在参变量集上, 而是利用参变量集的某种编码; GA不是从单个点, 而是在群体中从多个点开始搜索; GA利用适应值信息, 无需导数或其它辅助信息; 因此对优化问题(函数)的限制较弱,灵活,通用性(普适性)强,有着较广泛的应用领域. GA利用概率转移规则, 而非确定性规则. GA在解空间内不是盲目的穷举或完全随机测试，而是一种启发式搜索，效率优于其它算法。;GA的优点: 较容易的和其它方法结合 避免陷入局部最优解 即使在较短的有限时间内,也能获得较好的次优解、满意解. 鲁棒性佳 对优化问题的初始条件(状态)依赖性小。 抗干扰性强。 具有并行计算的特点，可提高计算速度;GA的不足: No guarantee for optimal solution within finite time Weak theoretical basis GA能解决的问题: 优化 NP完全 高度复杂的非线性问题;近年,GA在各应用领域中得到极大重视,并广泛应用于各领域的优化、搜索、问题求解中,并在 模式识别、 NN、 图像处理、 机器学习、 工业优化控制、 自适应控制、 生物科学、 社会科学 等方面都得到应用.;当前在AI研究中,人们认为“GA、自适应系统、细胞自动机、混沌理论与AI一样,都是对今后十年的计算技术有重大影响的关键技术”.;4.2.1 Darwin进化论及进化系统模型;自Darwin以来的新进化学说强调: 个体是基本的选择目标; 随机过程在进化中起重大作用,遗传变异大部分是偶然现象; 进化是在适应中变化的,形式多样,不仅是基因的变化; 选择是概率型的,而不是决定型的.;4.2.2 Mendel遗传学说;4.2.2 Mendel遗传学说;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.2.3 GA的基本概念与术语;4.3 GA的原理;4.3 GA的原理;4.3.1 GA的目的;4.3.1 GA的目的;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;例如有2个父代个体 S1=100|101 S2=010|111 若随机选择它们的左边3位进行交叉操作,则产生的子代为 S1=010|101 S2=100|111;4.3.2 GA的基本原理;例如有2个父代个体 S1 S2若屏蔽字为1101110,则产生的子代为 S14.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.2 GA的基本原理;4.3.3 GA的算法过程;4.3.3 GA的算法过程;4.3.3 GA的算法过程;4.3.3 GA的算法过程;4.3.3 GA的算法过程;4.3.3 GA的算法过程;4.4 GA的应用;4.4.1 GA的特点;4.4.1 GA的特点;4.4.1 GA的特点;4.4.1 GA的特点;4.4.1 GA的