演化算法完整版本.docVIP

演化算法理论研究

一、研究背景

1、引言

演化计算采用简单的编码技术来表示各种复杂的结构,并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。由于它采用种群(即一组表示)的方式组织搜索,这使得它可以同时搜索解空间内的多个区域。而且用种群组织搜索的方式使得演化算法持别适合大规模并行。在赋予演化计算自组织、自适应、自学习等特征的同时,优胜劣汰的自然选择和简单的遗传操作使演化计算具有不受其搜索空间限制性条件(如可微、连续、单峰等)的约束及不需要其它辅助信息(如导数)的特点。这些崭新的特点使得演化算法不仅能获得较高的效率而且具有简单、易于操作和通用的特性,而这些特性正是演化计算越来越受到人们青睐的主要原因之一。

2、演化算法的分支

演化计算最初具有三大分支:遗传算法（GA）、演化规划（EP）、演化策略（ES）。20世纪90年代初,在遗传算法的基础上又发展了一个分支:遗传程序设计（GP）。虽然这几个分支在算法实现方面具有一些细微的差别,但它们具有一个共同的特点,即都是借助生物演化的思想和原理来解决实际问题。

2.1遗传算法

把计算机科学与进化论结合起来的尝试开始于20世纪50年代末,但由于缺乏一种通用的编码方案,使得人们只能依赖变异而不是交配来产生新的基因结构,故而收效甚微。到20世纪60年代中期,美国Michigan大学的JohnHolland在F