10-遗传算法及其应用.pptVIP

* 本章主要教学内容 遗传算法的基本原理 遗传算法的模式理论 遗传算法的实现问题 遗传算法求函数极大值 神经网络的遗传算法优化 遗传算法的基本原理 1 生物进化理论与遗传算法 生物进化理论的三大要素 遗传：子代对于父代的继承性，是生物进化的基础。 变异：具有偶然性的个体差异，是生物进化的必要条件。 选择：适者生存，优胜劣汰，决定了生物进化的方向。 1 生物进化理论与遗传算法 遗传算法是生物进化理论的工程实现 遗传：保留有优势的组合； 变异：优势组合的重组； 选择：保留同代之间具有最大目标函数的组合。 f GA空间 世代　t t =a+b t =a t =0 t =0 （ N ） t = a （ N ） t = a+b （ N ） 2 遗传算法的特点 只对参数编码进行操作而非参数本身 例如十进制数31可以编码为二进制数11111; 编码操作类似于生物遗传中的基因组合。 从多点开始并行操作 可避免陷入局部极小值； 种群规模越大，出现优秀品种的可能性也越大。 直接用目标函数值进行搜索，对问题的依赖性较小. 遗传操作具有随机性 随机性可产生小概率事件，从而促进品种的多样性； 是在启发引导下的随机性，而非完全的随机。 优化的目标为适配值（目标函数值）最大. 3 遗传算法的基本操作 复制——由旧种群产生新种群（有选择的遗传） 复制的依据为个体适配值的大小