遗传算法的基本原理和要点.pptxVIP

遗传算法的基本原理和要点一、遗传算法简介1.遗传算法 ( GA , Genetic Algorithm ) ，也称进化算法。其基本思想基于Darwin的进化论和Mendel的遗传学说。 2.由密西根大学Holland教授创建于1975年。3.特点：不易陷入局部最优，具备很好的全局搜索能力和很快的收敛速度。 二、遗传算法的工作原理一、遗传算法的包含的元素群体：是一组随机产生的初始解，由此开始搜索过程。个体：组成种群的单个生物。是问题的一个解，又称为染色体。　交叉与变异：是运算实现的方式，生成下一代染色体，称为后代。适值与适值函数：染色体的好坏用适值来衡量。度量适值的函数称之为适值函数二、遗传算法的工作示意图 三、遗传算法的基本构成遗传算法的基本构成通常包含以下五部分：（1）求解问题或解的遗传编码（2）产生初始种群的规则（3）评价个体或染色体优劣的适值或评价函数 （4）产生子代的遗传操作（5）控制进化过程的各参数设置一、遗传编码1.二进制编码：不能有效解决许多实际问题，有明显缺陷。2.实数编码：用实数或浮点数表示个体，对函数优化问题最有效。3.整数或字母排列编码：用1-n的自然数，A或a-Z或z的字母的排列构成问题的解的个体。根据是否允许重复分成顺序编码或非顺序编码。常见于优化组合问题。4.一般数据结构编码：对于复杂的优化问题，需要用n维数据或更复杂的结构表示染色体。二、遗传操作1.交