遗传算法理论与应用发展研究详解.docxVIP

2016-2017学年 一 学期研究生课程考核 （读书报告、研究报告） 考核科目： 现代设计理论与方法 学生所在院（系）：机电工程学院 学生所在学科： 机械设计及其自动化 姓 名： 董云蒙 学 号： 1602210067 题 目： 遗传算法理论与应用发展研究 第 1 页（共 9 页） 遗传算法理论与应用发展研究 摘要：遗传算法起源于自然界生物进化基本法则，本文主要对遗传算法的起源与发展过程、算 法原理以及运用的、算法的特点及其在实际工程的运用，与其他算法的比较、联合运用等内容进行 了综述。该算法并不需要特别知识。遗传算法是一种全局最优化方法，该算法使用范围广泛，能有 效地处理复杂的非线性问题，在很多领域都有广泛的应用，因此有着广阔的应用前景。 关键词：遗传算法 优化方法 Abstract: Genetic algorithms originate from the basic laws of biological evolution in nature. In this paper，the origin and development of genetic algorithm ，the principle and application of genetic algorithm ， the characteristics of the algorithm and its application in practical engineering are compared with other algorithms. The algorithm does not require special knowledge. Genetic algorithm (GA) is a global optimization method. It is widely used in many fields and can deal with complex nonlinear problems effectively. So it has a wide application prospect. Key words: genetic algorithm Optimization 遗传算法的起源与发展 遗传算法(Genetic Algorithm , GA)是模拟达尔文生物进化论的自然选择和遗传机理的生物进 化过程的计算模型算法，即遵循适者生存、优胜劣汰的法则。在科学和生产实践中表现为，在所有 可能的解决方法中找出最符合该问题所要求的条件的解方法，即找出一个最优解。 遗传算法自诞生以来就受到许多学者的关注。 经过 30 多年的不断发展， 在基础理论和算法设计 研究上都取得了长足的进步，尤其是在越来越多的领域中得到成功应用。遗传算法作为一种仿生优 化算法，为复杂系统优化提供解决方案，实践证明其效果显著，被认为是 21 世纪有关智能计算中的 关键技术之一。进入 21 世纪以来，应用领域将是遗传算法的主要研究方向，同时其理论和技术研究 也需要进一步深入完善，可引入新的数学工具和生物学的新成果。 在 60 年代， Holland 教授了发现生物的遗传和自然进化与和人工智能自适应系统的相似关系， 提出在研究和设计人工自适应系统时，可以借鉴生物的遗传机制，以群体的方式进行自适应搜索。 Bagley 在他的博士论文中第一次运用了遗传算法这个词语，采用双倍体编码。发展了复制、交叉、 变异、显性倒位等遗传算子。与此同时他还发现了防止早熟收敛机理的重要性，由此还发展了遗传 算法的理论概念。 Rosenberg 在他的博士论文中对单细胞生物群体的计算机仿真研究，他的研究为 遗传函数在函数优化中的使用提供了基础。 到了 70 年代， Holland 提出了遗传算法的基本定理 — 模式定理， 并且在 1975 年出版了第一部 有关遗传算法和生物自适应系统的专著— 《自然系统和人工系统的适配》 ，这本书对遗传算法做出了 比较详细的论述，提出了模拟生物自适应的理论，并且为遗传算法打下了数学基础。 国内有关遗传算法的研究自九十年代与来也一直处于不断上升的阶段，近年来，遗传算法的应 用在许多领域取得了令人瞩目的成果。例如在 2004 年，赵宏立等人针对于相对简单的遗传算法，在 相对大范围组合优化问题上搜索效率较低的问题提出一种新的基于基因块编码的并行遗传算法。此 方法的基本框架为处理度并行遗传算法，在染色体的群体中分辨出可能的基因块，把新的基因块作 为基因单位，然后以新的基因单位重新编码染色体，就这样生成了较短长度染色体的新一代种群。 遗传算法的研究方向 遗传算法是多学科结合与渗透的产物，它已经发展成为一种自组织、自适应的综合技术，广泛 应用在计算机科学、工程技术和社会科学等领域。