人工智能基础：演化算法之遗传算法详解.pptx

人工智能基础：演化算法

目录0102遗传算法蚁群算法03粒子群优化

遗传算法

遗传算法遗传算法(geneticalgorithms，GA):一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。遗传算法可广泛应用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。

基本概念1.个体与种群个体就是模拟生物个体而对问题中的对象(一般就是问题的解）的一种称呼，一个个体也就是搜索空间中的一个点。种群(population)就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。

基本概念适应度和适应度函数适应度(fitness)就是借鉴生物个体对环境的适应程度,而对问题中的个体对象所设计的表征其优劣的一种测度。适应度函数(fitnessfunction)就是问题中的全体个体与其适应度之间的一个对应关系。它一般是一个实值函数。该函数就是遗传算法中指导搜索的评价函数。

基本概念遗传算子遗传算法用于染色体的运算。有三种基本的遗传操作：选择-复制(selection-reproduction)交叉(crossover)变异(mutation)

基本概念选择复制根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。通常做法是:对于一个规模为N的种群S,按每个染色体x∈S的选择概率P(x)所决