遗传算法应用论文.docxVIP

论文 题目:遗传应用算法院系：计算机工程系专业：网络工程班级学号： 学生姓名： 2014年10月23日摘要：遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。本文在简要介绍遗传算法的起源与发展、算法原理的基础上，对算法在优化、拟合与校正、结构分析与图谱解析、变量选择、与其他算法的联用等方面的应用进行了综述。该算法由于无需体系的先验知识，是一种全局最优化方法，能有效地处理复杂的非线性问题，因此有着广阔的应用前景。 关键词：遗传算法；化学计量学；优化THEORYANDAPPLICATIONOFGENETICALGORITHMABSTRACT:GeneticAlgorithm(GA)isakindofrecursivecomputationalprocedurebasedonthesimulationofprincipleprinciplesofevaluationoflivingorganismsinnature1Basedonbriefintroductionoftheprinciple,thebeginninganddevelopmentofthealgorithms,thepaperrevieweditsapplicationsinthefieldsofoptimization,fittingandcalibration,structureanalysisandspectrainterpretationvariableselection,anditsusageincombinationwithothersTheapplicationofGAneedsnoinitiatingknowledgeofthesystem,andthereforeisacomprehensiveoptimizationmethodwithextensiveapplicationintermsofprocessingcomplexnonlinearproblemsoKEYWORDS:GeneticAlgorithm(GA)ChemometricsOptimization遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法，它于1962年被提出，直到1989年才最终形成基本框架。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由美国J.H.Hollad教授提出，其主要特点是群体搜索策略和群体中个体之间的信息交换。该算法尤其适用于处理传统搜索方法难以解决的复杂和非线性问题，可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。 顾名思义，遗传算法(GeneticAlgorithm,GA)是模拟自然界生物进化机制的一种算法，即遵循适者生存、优胜劣汰的法则，也就是寻优过程中有用的保留，无用的则去除。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决方法，即找出一个最优解。这种算法是1960年由Holland提出来的，其最初的目的是研究自然系统的自适应行为，并设计具有自适应功能的软件系统。它的特点是对参数进行编码运算,不需要有关体系的任何先验知识，沿多种路线进行平行搜索，不会落入局部较优的陷阱，能在许多局部较优中找到全局最优点，是一种全局最优化方法。近年来，遗传算法已经在国际上许多领域得到了应用。1985年召开了第1届有关遗传算法的国际会议，第1部关于这方面的专著在1989年问世。遗传算法是一种有广泛应用前景的算法但是它的研究和应用在国内尚处于起步阶段。遗传算法是一种基于生物的自然选择和群体遗传机理的搜索算法。它模拟了自然选择和自然遗传过程中发生的繁殖、交配和突变现象。它将每个可能的解看做是群体(所有可能解)中的一个个体，并将每个个体编码成字符串的形式，根据预定的目标函数对每个个体进行评价，给出一个适应度值。开始时总是随机地产生一些个体(即候选解)，根据这些个体的适应度利用遗传算子对这些个体进行操作，得到一群新个体，这群新个体由于继承了上一代的一些优良性状，因而明显优于上一代，这样逐步朝着更优解的方向进化。遗传算法在每一代同时搜索参数空间的不同区域，然后把注意力集中到解空间中期望值最高的部分，从而使找到全局最优解的可能性大大增加。 作为进化算法的一个重要组成部分，遗传算法不仅包含了进化算法的基本形式和全部优点，同时还具备若干独特的性能： 在求解问题时，遗传算法首先要选择编码方式，它直接处理的对象是参数的编码集而不是问题参数本身，搜索过程既不受优化函数连续性的约束，也没有函数导数必须存在的要求。通过优良染色体基因的重组，遗传算法可以有效地处理传统上非常复杂的优化函数求解问题。 若遗传算法在每一代对群体规模为n的个体进行操作，实际上处理了大约O(n3)个模式，具有很高的并行