遗传算法基础简介.pptVIP

遗传算法基础简介 遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰）演化而来的随机化搜索方法。 由美国J.Holland教授在1975年提出 的。 特点： 遗传算法的处理对象不是参数本身，而是经过编码后的个体。 不是传统的单点搜索法，而是同时处理群体中的多个个体，减少了陷入局部最优解的风险。 遗传算法只用适应度函数来评价个体，不受不可连续可微的约束。 遗传算法采用概率变迁来指导搜索方向 具有自组织、自适应和自学习性。 应用领域： 组合优化 多目标优化 模糊优化 可靠性设计 调度问题 高级运输问题 网络设计与路径 制造元设计 机器学习 信号处理 自适应控制 人工生命 遗传算法中的基本概念 对于一个求函数最大值 的优化问题，一般可描述为下述数学规划模型： 式中， 为决策变量，即由n个遗传基因组成的一个染色体， 为目标函数 群体：又称种群，代表问题的解空间子集 遗传算法的基本运算步骤： a)初始化:设置最大进化代数T，群体大小M，交叉概率pc变异概率pm，随机生成M个个体作为初始群体P(0)。 b）染色体编码：基本遗传算法使用固定长度的二进制符号串来表示群体中的个体，其等位基因是由二值符号集{0,1}所组成