算法原理和应用.ppt

遗传算法原理与应用 唐慧丰 2006年5月  报告提纲 遗传算法概述 遗传算法原理 遗传算法的应用  遗传算法概述 1、智能优化算法 2、基本遗传算法 遗传算法的特点  1、智能优化算法 智能优化算法又称为现代启发式算 法,是一种具有全局优化性能、通用性 强、且适合于并行处理的算法。这种算 法一般具有严密的理论依据,而不是单 纯凭借专家经验,理论上可以在一定的 时间内找到最优解或近似最优解。  常用的智能优化算法 (1)遗传算法 Genetic Algorithm,简称GA) (2)模拟退火算法 ( Simulated Annealing,简称SA (3)禁忌搜索算法 Tabu Seareh, h,简称TS)  智能优化算法的特点 们的共同特点:都是从任一解出发 按照某种机制,以一定的概率在整个求解 空间中探索最优解。由于它们可以把搜索 空间扩展到整个问题空间,因而具有全局 优化性能。  遗传算法起源 遗传算法是由美国的 Holland教授于 1975年在他的专著《自然界和人工系统的 适应性》中首先提出的,它是一类借鉴生 物界自然选择和自然遗传机制的随机化搜 索算法  遗传算法的搜象机制 遗传算法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、交又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 满足菜种收敛指标为止。  2、基本遗传算法 基本遗传算法( Simple genetic Algorithms,简称SGA,又称简单遗传算法 或标准遗传算法),是由 Goldberg总结出 的一种最基本的遗传算法,其遗传进化操 作过程简单,容易理解,是其它一些遗传 算法的雏形和基础  基本遗传算法的组成 (1)编码(产生初始种群) (2)适应度函数 (3)遗传算子(选择、交叉、变异) (4)运行参数