kk讲义_遗传算法.pptVIP

模式识别讲义第7章 随机方法 黄可坤 嘉应学院 主要内容 0 引例：用遗传算法求函数最值 1 遗传算法的发展 2 遗传算法的基本思想 3 遗传算法的具体的步骤 3.1 编码 3.2 初始群体生成 3.3 适应度计算 3.4 选择 3.5 交叉 3.6 变异 3.7 终止 4 遗传算法的特点 5 matlab遗传算法工具箱 0 引例：用遗传算法求函数最值 1 遗传算法的发展 John Holland 1975 年提出遗传算法。 Matlab 7.0开始附带遗传算法工具箱，可直接求解各种优化问题。 Matlab 7.1推出了全新的遗传算法工具箱，可直接求解各种有约束的优化问题。 早期的版本(如Matlab 6.5)需要下载一个GOAT工具箱。 2 遗传算法的基本思想 遗传算法（Genetic Algorithm）是基于进化论的原理发展起来的一种广为应用，高效的随机搜索与优化的方法。 它从一组随机产生的初始解称为“种群”，开始搜索过程。种群中的每个个体是问题的一个解，成为“染色体”是一串符号。 这些染色体在每一代中用“适应度”来测量染色体的好坏, 通过选择、交叉、变异运算形成下一代。选择的原则是适应度越高,被选中的概率越大。适应度越低，被淘汰的概率越大。每一代都保持种群大小是常数。 经过若干代之后，算法收敛于最好的染色体，它很可能是问题的最优解或次优解。这一系列过程正好体现了生物