遗传算法的发展历程1.pdfVIP

精品 遗传算法的发展历程 遗传算法 (Genetic Algorithm, GA) 是近年来迅速发展起来的一种全新的随 机搜索与优化算法 ,其基本思想是基于 Darw in 的进化论和 Mendel 的遗传学说。 该算法由密执安大学教授 Holland 及其学生于 1975 年创建。此后，遗传算法的 研究引起了国内外学者的关注。 遗传算法（ Genetic Algorithm ）是一类借鉴生物界的进化规律（适者生存， 优胜劣汰遗传机制） 演化而来的随机化搜索方法。 其主要特点是直接对结构对象 进行操作， 不存在求导和函数连续性的限定； 具有内在的隐并行性和更好的全局 寻优能力； 采用概率化的寻优方法， 能自动获取和指导优化的搜索空间， 自适应 地调整搜索方向， 不需要确定的规则。 遗传算法的这些性质， 已被人们广泛地应 用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代 有关智能计算中的关键技术。 遗传算法的基本运算过程如下 : a)初始化 :设置进化代数计数器 t=0 ，设置最大进化代数 T ，随机生成 M 个个 体作为初始群体 P(0) 。 b) 个体评价 :计算群体 P(t) 中各个个体的适应度。 c)选择运算 :将选择算子作用于群体。选择的目的是把优化的个体直接遗传到 下一代或通过配对交叉产生新的个体再遗传到下一代。 选择操作是建立在群体中 个体的适应度评估基础上的。 d) 交叉运算；将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分 结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算 子。 - 可编辑 - 精品 e)变异运算 :将变异算子作用于群体。即是对群体中的个体串的某些基因座上 的基因值作变动。群体 P(t)经过选择、交叉、变异运算之后得到下一代群体 P(t 1) 。 f) 终止条件判断 :若 tT,则以进化过程中所得到的具有最大适应度个体作为最 优解输出，终止计算。 1967 年， Holland 的学生 J.D.Bagley 在博士论文中首次提出“遗传算法 （Genetic Algorithms ）”一词。此后， Holland 指导学生完成了多篇有关遗传 算法研究的论文。 1971 年，R.B.Hollstien 在他的博士论文中首次把遗传算法用 于函数优化。 1975 年是遗传算法研究历史上十分重要的一年。这一年 Holland 出版了他的著名专著《自然系统和人工系统的自适应》 ，这是第一本系统论述遗 传算法的专著， 因此有人把 1975 年作为遗传算法的诞生年。 Holland 在该书中 系统地阐述了遗传算法的基本理论和方法， 并提出了对遗传算法的理论研究和发 展极其重要的模式理论。 该理论首次确认了结构重组遗传操作对于获得隐并行性 的重要性。同年， K.A.De Jong 完成了他的博士论文《一类遗传自适应系统的行 为分析》该论文所做的研究工作，可看作是遗传算法发展进程中的一个里程碑， 这是因为，他把 Holland 的模式理论与他的计算实验结合起来。尽管 De Jong 和 Hollstien 一样主要侧重于函数优化的应