遗传算法及其应用..docVIP

遗传算法及其应用 摘要：遗传算法是一种通过模拟自然进化过程有哪些信誉好的足球投注网站最优解的方法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。 随着应用领域的扩展，遗传算法的研究出现了几个引人注目的新动向基于遗传算法的机器学习遗传算法正日益和神经网络、模糊推理以及混沌理论等其它智能计算方法相互渗透和结合的遗传算法的研究十分活跃遗传算法和另一个称为人工生命的崭新研究领域正不断渗透所谓人工生命即是用计算机模拟自然界丰富多彩的生命现象，其中生物的自适应、进化和免疫等现象是人工生命的重要研究对象，而遗传算法在这方面将会发挥一定的作用遗传算法和进化规划以及进化策略等进化计算理论日益结合。1991年DWhitey在他的论文中提出了基于领域交叉的交叉算子，这个算子是特别针对用序号表示基因的个体的交叉，并将其应用问题中，通过实验对其进行了验证。D.H.Ackley等提出了随即迭代遗传爬山法采用了一种复杂的概率选举机制，此机制中由m个“投票者”来共同决定新个体的值（m表示群体的大小）。实验结果表明，SIGH与单点交叉、均匀交叉的神经遗传算法相比，所测试的六个函数中有四个表现出更好的性能，而且总体来讲，SIGH比现存的许多算法在求解速度方面更有竞争力。H.Bersini和G.Seront将遗传算法与单一方法结合起来，形成了一种叫单一操作的多亲交叉算子，该算子在根据两个母体以及一个额外的个体产生新个体，事实上他的交叉结果与对三个个体用选举交叉产生的结果一致。同时，文献还将三者交叉算子与点交叉、均匀交叉做了比较，结果表明，三者交叉算子比其余两个有更好的性能。2002年，戴晓明等应用多种群遗传并行进化的思想，对不同种群基于不同的遗传策略，如变异概率，不同的变异算子等来有哪些信誉好的足球投注网站变量空间，并利用种群间迁移算子来进行遗传信息交流，以解决经典遗传算法的收敛到局部最优值问题2004年，赵宏立等针对简单遗传算法在较大规模组合优化问题上有哪些信誉好的足球投注网站效率不高的现象，提出了一种用基因块编码的并行遗传算法。该方法以粗粒度并行遗传算法为基本框架，在染色体群体中识别出可能的基因块，然后用基因块作为新的基因单位对染色体重新编码，产生长度较短的染色体，在用重新编码的染色体群体作为下一轮以相同方式演化的初始群体。2005年，江雷等针对并行遗传算法求解TSP问题,探讨了使用弹性策略来维持群体的多样性,使得算法跨过局部收敛的障碍,向全局最优解方向进化。 4.1 遗传算法的构成要素 遗传算法是由四个方面组成的，分别为： 1）编码，即产生初始种群。GA是通过某种编码机制把对象抽象为由特定符号按一定顺序排成的串。正如研究生物遗传是从染色体着手，而染色体则是由基因排成的串。SGA使用二进制串进行编码，采用随机方法生成若干个个体的集合，该集合称为初始种群，初始种群中个体的数量称为种群规模。 2）适应度函数。遗传算法对一个个体的好坏用适应度函数值来评价，适应度函数值越大，解的质量越好。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题本身的要求而定。 3）遗传算子，包括选择算子、交叉算子、变异算子。 A.选择算子。遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作：适应度高的个体被遗传到下一代群体中的概率大；适应度低的个体，被遗传到下一代群体中的概率小。 B.交叉算子。所谓交叉运算，是指对两个相互配对的染色体依据交叉概率按某种方式相互交换其部分基因，从而形成两个新的个体。 C.变异算子。所谓变异运算，是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。 4）运行参数。包括种群规模M、遗传运算的终止进化代数T、交叉概率Pc和变异概率Pm。 4.2 基本遗传算法的实现 1）初始化设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体。个体评价计算群体中各个个体的适应度。 3）选择运算 5）基本位变异算子。对个体的每一个基因座，依变异概率指定其为变异点；对每一个指定的变异点，对其基因值做取反运算或用其他等位基因值来代替，从而产生出一个新的个体。 4.3 基本遗传算法的应用步骤 遗传算法提供了一种求解复杂系统优化问题的通用框架。对于具体问题，可按下述步骤来构造： 1）确定决策变量及其各种约束条件，即确定出个体的表现型X和问题的解空间。 2）建立优化模型，即描述出目标函数的类型及其数学描述形式或量化方法。 3）确定表示可行解的染色体编码方法，即确定出个体的基因型X及遗传