十遗传算法与优化问题.pptVIP

数学实验 实验十 遗传算法与优化问题 问题背景和实验目的 遗传算法基本原理 遗传学相关概念 遗传学相关概念 遗传算法的步骤 遗传算法的步骤 遗传算法具体步骤 遗传算法具体步骤 遗传算法的实际应用 编码 编码 产生初始群体 适应函数 适应函数和适应值 选择标准 产生种群 交叉 变异 终止条件 遗传算法的收敛性 遗传算法的收敛性 遗传算法的收敛性 最佳个体保存方法 最佳个体保存方法 实验举例 上机作业 * * 本实验主要介绍遗传算法的基本理论，然后通过求解几个简单的函数最值问题，来说明如何利用遗传算法进行初步的优化计算 。 遗传算法（Genetic Algorithm，简称 GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算机算法，它由美国 Holland 教授1975年提出。 遗传算法作为一种新的全局优化搜索算法，以其简单通用、鲁棒性强、适合并行处理及应用范围广等显著特点，奠定了它作为21世纪关键智能计算之一的地位。 基本思想： 基于模仿生物界遗传学的遗传过程，把问题的参数用基因来表示，把问题的解用染色体来表示代表（在计算机里用二进制码表示），从而得到一个由具有不同染色体的个体组成的群体。 这个群体在问题特定的环境里生存竞争，适者有最好的机会生存和产生后代，后代随机化地继承父代的最好特征，并也在生存环境的控制支配下继续这一过程。