进化管控介绍.pptVIP

第五章 进化控制;目 录;目 录;5.1 引言;人是怎样进化的?——从鱼到人的进化过程 /discovery/life/200608/10/8087469.shtml;遗传算法(Genetic Algorithm,GA)就是根据生物进化思想而启发得出的一种智能理论和方法. 它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法,是通过对生物进化的归纳和模拟得到的一种仿生算法. GA在本质上是一种不依赖具体问题的直接搜索方法,是一种具有普适性的优化方法. GA的发展历程为: 1965年,Michigan大学的Holland首次提出了人工遗传操作的重要性,并把这些应用于自然系统和人工系统中. 1967年,J.D.Bagley在他的论文中首次提出了GA这一术语与概念,并讨论了GA在自动博弈中的应用.;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.;5.2 GA的基本概念;5.2.1 Darwin进化论及进化系统模型;物种每个个体的基本特征由后代所继承,但后代又会产生一些异于父代的新变化. 在环境变化时,只有那些能适应环境的个体特征方能保留下来.;5.2.1 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.;5.2.2 Mendel遗传学说;5.2.2 Mendel遗传学说;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.2.3 GA的基本概念与术语;5.3 GA的原理;5.3 GA的原理;5.3.1 GA的目的;5.3.1 GA的目的;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 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;5.3.2 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 S15.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2 GA的基本原理;5.3.2