资源描述：
《遗传算法学习作业》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、遗传算法学习总结1.1概述遗传算法是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而來的自适应概率性随机化迭代搜索算法o1962年霍兰德(Holland)教授首次提出了GA算法的思想,它的基本思想是基于Darwin进化论和Mendel的遗传演说。Darwin进化论最重要的是适者生存的原理，它认为每一代种群总是向着前进方向发展，越来越适应环境。每一个个体都有继承前代的特性，但不是完全继承，会产牛一些新特性。最终只有适应环境的特征才能被保留下来。Mendel遗传学说最重要的是基因遗传原理，它认为遗传以密码方式存
2、在细胞中，并以基因形式包含在染色体内。一条染色体中存在很多基因，每个基因有自己的位置并控制着外部特征；基因的产生和变异直接影响到个体的特性是否能适应环境。经过存优去为的自然淘汰，适应性高的基因结构得以保存下来。遗传算法正是借用了仿真生物遗传学和自然选择机理，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。与自然界相似，遗传算法对求解问题的本身一无所知，从代表问题可能潜在解集的一个种群(population)开始，每一个种群则由经过慕因(gene)编码(coding)的一沱数目的个体(individual
3、)构成°每个个体实际上是染色体(chromosome)带有特征的实体。把问题的解表示成染色体，并基于适应值來选择染色体，遗传算法所需要的仅是対算法所产生的每个染色体进行评价，使适应性好的染色体有更多的繁殖机会。在算法中也就是以二进制编码的串。并且，在执行遗传算法之前，给出一群染色体，也就是假设解。然后，把这些假设解置于问题的“环境”中，也即在一个适应度函数中来评价。并按适者生存的原则，从中选择出较适应环境的染色体进行复制，淘汰低适应度的个体，再通过交叉，变异过程产生更适应环境的新一代染色体群。对这个新种群进行下一轮进化
4、，直到最适合环境的值。1.2遗传算法的基本原理和特点1.2.1算法原理在遗传算法屮，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群，再对这个新种群进行下一轮进化，这就是遗传算法的基本原理。遗传算法的主要步骤如下：1)随机产生一个由确定长度的特征串组成的初始群体；2)对串群体迭代地执行步骤(1)和(2),直到满足停止准则：(1)计算群体中每个个体的适应值。(2)应用复制
5、、杂交和变异算子产生下一代群体。3)把在任一代中出现的最好的个体串指定为遗传算法的执行结果。这个结果可以表示问题的一个解(或近似解)。基本遗传算法的流程图如图其中GEN是当前代数，M为每代种群屮最大个体数。图基本遗传算法的流程图1.2.2算法特点遗传算法的特点如下：1）遗传算法中不包含待解决问题所持有的形态。它是从改变基因的配置来实现问题的整体优化的，因而属于自下而上的优化方法；2）类似于生物的进化过程，遗传算法处理的是变量集合的编码而非变量本身。它直接对结构对象进行操作，不存在求导和函数连续性的限定；3)遗传算法具有
6、内在的隐并行性和更好的全局寻优能力；4)遗传算法采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些特点已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。1.3基本遗传算法的步骤1.3.1染色体编码(ChromosomeCoding)与解码(Decode)基本遗传算法使用固定长度的二进制符号串来表示群体中的个体，其等位基因由二值(0,1｝所组成。初始群体中各个个体的基因可用均匀分布的随机数来生成。例
7、如：X二100111001000101101就可表示一个个体，该个体的染色体长度是n=18o(1)编码：变量x作为实数，可以视为遗传算法的表现型形式。从表现型到基因型的映射称为编码。设某一参数的取值范围为[山，U2],我们用长度为k的二进制编码符号来表示该参数，则它总共产牛労种不同的编码，可使参数编码吋的对应关系为：000000-0000=0-*^000000…0001二1-从+》000000-0010=2-•••111111…1111017其中'"曽。(2)解码：假设某一个体的编码为bb・b・2・・・b2b,则对应的
8、解码公式为X胡+(**2'T)*£w¥①例如：设有参数Xe[2,4],现用5位二进制编码对X进行编码，得2^32个二进制串(染色体)：00000,00001,00010,00011,00100,00101,00110,0011101000,01001,01010,01011,01100,01101,01110,0111110000
