算法合集之《遗传算法地特点及其地的应用》.docVIP

实用标准文案 精彩文档 遗传算法的特点及其应用 上海复旦大学附属中学 张宁 目录 HYPERLINK \l 关键词 【关键词】 HYPERLINK \l 摘要 【摘要】 HYPERLINK \l 正文 【正文】 HYPERLINK \l §1 §1遗传算法的基本概念 HYPERLINK \l §2 §2简单的遗传算法 HYPERLINK \l 选择 选择 HYPERLINK \l 交换 交换 HYPERLINK \l 变异2 变异 HYPERLINK \l §3 §3简单的遗传算法运算示例 HYPERLINK \l 例3 计算机公司的经营策略优化问题 HYPERLINK \l 例4 函数优化问题 HYPERLINK \l §4 §4遗传算法应用举例 HYPERLINK \l 例5 子集和问题 HYPERLINK \l 例6 TSP（旅行商）问题 HYPERLINK \l §5 §5结束语 HYPERLINK \l 附录 【附录】 HYPERLINK \l 程1 子集和问题源程序 HYPERLINK \l 程2 TSP（旅行商）问题源程序 HYPERLINK \l 参考文献 【参考文献】 【关键词】 HYPERLINK \l 遗传算法 \o Genetic Algorithms，简称GA遗传算法 HYPERLINK \l 遗传 \o 传种接代，后代与夫辈非常相像遗传 HYPERLINK \l 变异1 变异 HYPERLINK \l 染色体 \o chromosome，或个体染色体 HYPERLINK \l 基因 \o genes基因 HYPERLINK \l 群体 \o population，或集团群体 【摘要】 遗传算法是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的一门新学科。它根据适者生存，优胜劣汰等自然进化规则来进行搜索计算和问题求解。 文章的第一部分介绍了遗传算法的基本概念。第二部分介绍了遗传算法的原理以及三种运算：选择、交换、变异。第三部分着重介绍三种运算的具体实现，以及简单实例，主要体现遗传算法的实现过程。第四部分介绍了两个具体问题，都是属于NP-完全问题，如何用遗传算法来解决，以及实现时的一些基本问题。 文章在介绍遗传算法的原理以及各种运算的同时，还分析了一些应用中出现的基本问题，对于我们的解题实践有一定的指导意义。 【正文】 遗传算法作为一门新兴学科，在信息学竞赛中还未普及，但由于遗传算法对许多用传统数学难以解决或明显失效的复杂问题，特别是优化问题，提供了一个行之有效的新途径，且能够较好地解决信息学竞赛中的NP难题，因此值得我们进行深入的讨论。 要掌握遗传算法的应用技巧，就要了解它的各方面的特点。首先，让我们来了解一下什么是遗传算法。 §1遗传算法的基本概念 遗传算法（Genetic Algorithms，简称GA）是人工智能的重要新分支，是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的一门新学科。它根据适者生存，优胜劣汰等自然进化规则来进行搜索计算和问题求解。 对许多用传统数学难以解决或明显失效的复杂问题，特别是优化问题，GA提供了一个行之有效的新途径，也为人工智能的研究带来了新的生机。 GA由美国J. H. Holland博士1975年提出，当时并没有引起学术界的关注，因而发展比较缓慢。从80年代中期开始，随着人工智能的发展和计算机技术的进步，遗传算法逐步成熟，应用日渐增多，不仅应用于人工智能领域（如机器学习和神经网络），也开始在工业系统，如控制、机械、土木、电力工程中得到成功应用，显示出了诱人的前景。与此同时，GA也得到了国际学术界的普遍肯定。 从1985年至今国际上已举行了五届遗传算法和进化计算会议，第一本《进化计算》杂志1993年在MIT创刊，1994年IEEE神经网络汇刊出版了进化规划理论几应用专集，同年IEEE将神经网络，模糊系统，进化计算三个国际会议合并为’94IEEE全球计算智能大会（WCCI），会上发表进化计算方面的论文255篇，引起了国际学术界的广泛关注。 目前，GA已在组合优化问题求解、自适应控制、程序自动生成、机器学习、神经网络训练、人工生命研究、经济组合等领域取得了令人著目的应用成果，GA也成为当前人工智能及其应用的热门课题。 §2简单的遗传算法 遗传算法（Genetic Algorithms，以下简称GA）是基于自然选择，在计算机上模拟生物进化机制的寻优搜索算法。 在自然界的演化过程中，生物体通过遗传（传种接代，后代与夫辈非常相像）、变异（后代与夫辈又不完全相像）来适应外界环境，一代又一代地优胜劣汰，发展进化。 GA则模拟了上述进化现象。它把搜索空间（欲求解