matlab遗传算法学习和全局化算法参照.pdfVIP

1 遗传算法步骤 1 根据具体问题选择编码方式，随机产生初始种群，个体数目一定，每个个体表现为染色 体的基因编码 2 选择合适的适应度函数，计算并评价群体中各个体的适应。 3 选择 (selection)。根据各个个体的适应度，按照一定的规则或方法，从当前群体中选择出 一些优良的个体遗传到下一代群体 4 交叉 (crossover)。将选择过后的群体内的各个个体随机搭配成对，对每一对个体，以一定 概率 (交叉概率 )交换它们中的部分基因。 5 变异 (mutation)。对交叉过后的群体中的每一个个体， 以某个概率 (称为变异概率 )改 n 变 某一个或某一些基因位上的基因值为其他的等位基因 6 终止条件判断。若满足终止条件，则以进化过程中得到的具有最大适应度的个体作为最 优解输出，终止运算。否则，迭代执行 Step2 至 Step5。 适应度是评价群体中染色体个体好坏的标准， 是算法进化的驱动力， 是自然选择的唯一依 据，改变种群结构的操作皆通过适应度函数来控制。在遗传算法中，以个体适应度的大小 来确定该个体被遗传到下一代群体中的概率。个体的适应度越大，被遗传