遗传算法基础知识

《遗传算法基础知识》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、遗传算法（GENETICALGORITHM，GA）一、遗传算法的特点：1、遗传算法的操作对象是一组可行解，而非单个可行解；搜索轨道有多条，而非单条，因而具有良好的并行性。2、遗传算法只需要利用目标的取值信息，而无需梯度等高价值信息，因而适用于任何大规模、高度非线性的不连续多峰函数的优化以及无解析表达式的目标函数的优化，具有很强的通用性。3、遗传算法择优机制是一种软选择，加上其良好的并行性，使它具有良好的全局优化和稳健性。4、遗传算法操作的可行解是经过编码化的（通常采用二进制编码），目标函数解释为编码化个体（可行解）的适应值，因而具有良好的可操作性和

2、简单性。二、遗传算法的发展与现状遗传算法的产生归功于美国的Michigan大学的Holland在20世纪60年代末、70年代初的开创性，其本意是在人工适应系统中设计的一种基于自然演化原理搜索机制。大约在同一时代，Foegl和Rechenberg及Schwefel,引入了另两种基于自然演化原理的算法，演化程序（evolutionaryprogramming）和演化策略(evolutionstrategies).这三种算法构成了目前演化计算(evolutionary19computation)领域的三大分支，它们从不同层次、不同角度模拟自然演化原理，以

3、达到求解问题的目的。Holland不仅设计了遗传算法的模拟与操作原理，更重要的是他运用统计策略理论对遗传算法的搜索机理进行了理论分析，建立了著名的Schema定理和隐含并行（implicitparallelism）原理，为遗传算法奠定了基础。遗传算法应用于函数优化始于DeJone的在线（one-line）和离线（off-line）指标仍是目前衡量遗传算法性能的主要手段。1、遗传算法在神经网络、模糊系统和机器学习中的应用神经网络的学习包含两个优化过程，分别是网络连接权重的优化和网络拓扑结构的优化。优化连接权重最著名的方法是Rumelhart提出的基于

4、梯度下降法的反向传播法（backpropagation,BP）。BP算法的最大弱点是局部极小问题和无法学习网络拓扑结构。作为一种通用性和全局性良好的优化技术，遗传算法用于神经网络的训练就是很自然的事情。遗传算法用于神经网络的学习可分为三个不同的层次：连接权重的学习规则的学习。目前遗传算法已经广泛用于前向网络（feedwardnetworks）、径向基网络（radialbasisfunctionnetworks）、Kohonen特征映射及Recurrent网络等各种人工神经网络的训练与设计中。演化神经网络（evolutionaryartificial

5、neuralnetworks）作为一种一般的自适应学习模型加以研究。被Zedeh称作软计算（softcomputing）的两大组成部分——遗传算法与模糊系统的相互融合也是近年人们关注的话题。模糊系统是对人类处理模糊性概念极其推理机制的模拟。最初，在模糊系统设计中，推理方法的选取、隶属函数形状及参数的选取、相关权重的确定以及规则的确定，均是由专家根据实际经验经验指定的。模糊神经网络（fuzzyneural19networks）.遗传算法已成功应用于隶属函数形状与参数优化，系统相关权重的优化以及推理规则的选取。此外，模糊集技术也被用于遗传算法的某些GA

6、的新型遗传算法，以达到改进经典遗传算法的目的。大多数机器学习系统都有一个共同的特征，即具备对自身结构进行调整的能力，从而达到改进性能的、发现并利用有意义的概念，或改进其内部知识结构的一致性和通用性。分类系统（classifersystem）是遗传算法与机器学习经典的生产系统（productionsystem）相结合的产物。遗传算法也用于导师概念学习（supervisedconceptlearing）、特征选取与重构及强迫学习(reinforcementlearing)等机器学习领域。1、遗传算法设计与执行策略遗传算法操作的是一群编码化的可行解，称作

7、种群。它通过种群的更新与迭代来搜索全局最优解。种群的迭代是通过选择、杂交和变异等具有生物意义的遗传算子来实现的。在Holland的最初模型中采用的是二进制定长编码和固定种群，遗传算法的主要形式为比例选择、单点杂交和位变异。近年的发展：（1）编码方法灰色编码可用于克服二进制编码映射的不连续问题（即欧氏空间中邻近点的二进制编码在Hamming距离下并不邻近）。动态参数编码（dynamicparameterencoding）提出是为了克服搜索效率与表示时间精度间的矛盾，同时对克服过早收敛现象。此外，多值编码、实值编码、区间编码、Delta编码等多种编码方

8、法也各有优缺点。（2）选择机制19选择是遗传算法中最主要的机制，也是影响遗传算法性能最主要的因素。选择压(selectiv