利用遗传算法求解函数的最大值.docVIP

利用遗传算法求解函数的最大值 蒋赛 赵玉芹 1 遗传算法的基本原理 遗传算法是模拟生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的一种重要形式。遗传算法与传统数学模型截然不同，它为那些难以找到传统数学模型的难题找出了一个解决方法。同时，遗传算法借鉴了生物科学中的某些知识，从而体现了人工智能的这一交叉学科的特点。 遗传算法是一种通用的优化算法，其编码技术和遗传操作比较简单，优化不受限制条件的约束，不需要有先验条件。其搜索过程是从问题解的一个随机产生的集合开始的，而不是从单个个体开始的，具有隐含并行搜索特性，也就大大减少可陷入局部极小值的可能。在解决可能在求解过程中产生组合爆炸的问题时会产生很好的效果。 遗传算法需选择一种合适的编码方式表示解, 并选择一种评价函数用来每个解的适应值, 适应值高的解更容易被选中并进行交叉和变异, 然后产生新的子代。选择、交叉和变异的过程一直循环 , 直到求得满意解或满足其他终止条件为止。算法的运行过程具有很强的指向性, 适合众多复杂问题的求解。具体操作步骤如下： 1）初始化种群； 2）计算种群上每个个体的适应度值； 3）按由个体适应度值所决定的某个规则选择将进入下一代的个体 4）按概率PC进行交叉操作 5）按概率PC进行变异操作 6）若没有满足某种停止条件，则转步骤2），否则进入下一步； 7