遗传算法完整版.pptVIP

遗传算法 —— 模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。 什么是遗传算法 遗传算法是模仿生物遗传学和自然选择机理，通过人工方式所构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的最重要的形式。 遗传算法为那些难以找到传统数学模型的难题指出了一个解决方法。 遗传算法借鉴了生物科学中的某些知识，这也体现了人工智能这一交叉学科的特点。 遗传算法的起源 遗传算法最早由美国密歇根大学的Holland教授提出，起源于上世纪60年代对自然和人工自适应系统的研究。 上世纪70年代，De Jong基于遗传算法的思想在计算机上进行了大量的纯数值函数优化计算实验。 在一系列研究工作的基础上，上世纪80年代由Goldberg进行归纳总结，形成了遗传算法的基本框架。 遗传算法的应用 函数优化。函数优化是遗传算法的经典应用领域，也是对遗传算法进行性能测试评价的常用算例。对于一些非线性、多模型、多目标的函数优化问题，用其他优化方法较难求解，而遗传算法却可以方便地得到较好的结果。 遗传算法的应用 组合优化。遗传算法是寻求组合优化问题满意解的最佳工具之一，实践证明，遗传算法对于组合优化问题中的NP完全问题非常有效。 遗传算法的应用 生产调度问题。生产调度问题在很多情况下所建立起来的数学模型难以精确求解，即使经过一些简化之后可以进行求解也会因简化得太多而使求