经典遗传算法原等理与应用.pptVIP

遗传算法原理与应用 SN: SNO: 主要内容 遗传算法基本原理 2 遗传算法概述 1 遗传算法的应用及一些问题 3 1、优化方法 遗传算法概述 传统的优化方法（局部优化） 共轭梯度法、拟牛顿法、单纯形方法 全局优化方法 GA、漫步法（Random Walk）、模拟退火法 2、遗传算法优点 遗传算法（GA）模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。其遗传进化操作过程简单，容易理解。 遗传算法基本原理 1、基本思想 模拟自然界优胜劣汰的进化现象，把搜索空间映射为遗传空间，把可能的解编码成一个向量——染色体，向量的每个元素称为基因。 通过不断计算各染色体的适应值，选择最好的染色体，获得最优解。 2、遗传算法的基本运算 ⑴ 选择运算 ⑵ 交换操作 ⑶ 变异 选择运算 从旧的种群中选择适应度高的染色体，放入匹配集（缓冲区），为以后染色体交换、变异，产生新的染色体作准备。 选择方法——适应度比例法（转轮法） 某染色体被选的概率：Pc xi 为种群中第i个染色体，f(xi )为第i个染色体的适应度值。 具体步骤