遗传算法概述.docxVIP

遗传算法概述 摘要：遗传算法（genetic algorithms, GA）是人工智能的重要新分支，是基于达尔文进化论， 在微型计算机上，模拟生命进化机制而发展起来的一门学科。它根据适者生存、优胜劣汰等 自然进化规则来进行搜索计算机和问题求解。对许多用传统数学难以解决或明显失效的非常 复杂的问题，特别是最优化问题，GA 提供了一个行之有效的新途径。近年来，由于遗传算 法求解复杂优化问题的巨大潜力及其在工业控制工程领域的成功应用，这种算法受到了广泛 的关注。本文旨在阐述遗传算法的基本原理、操作步骤和应用中的一些基本问题，以及为了 改善 SGA 的鲁棒性而逐步发展形成的高级遗传算法（refine genetic algorithms, RGA）的实现方法。 一、遗传算法的基本原理和特点 遗传算法将生物进化原理引入待优化参数形成的编码串群体中，按着一定的适值函数及 一系列遗传操作对各个体进行筛选，从而使适值高的个体被保留下来，组成新的群体， 新群体包含上一代的大量信息，并且引入了新一代的优于上一代的个体。这样周而复始， 群体中各个体适值不断提高，直至满足一定的极限条件。此时，群体中适值最高的个体 即为待优化参数的最优解。正是由于遗传算法独具特色的工作原理，使它能够在复杂的 空间进行全局优化搜索，并且具有较强的鲁棒性；另外，遗传算法对于搜索空间，基本 上不需要什么限制性的假设（如连