(人工智能及其应用大作业.docxVIP

人工智能及其应用大作业(一)基本遗传算法及其在函数优化中的应用　班级: 020951　姓名: 　刘泽宇 　学号:本遗传算法及其在函数优化中的应用摘要遗传算法（Genetic Algorithm）是模拟/view/6739.htm \t _blank达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，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，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）1.前言遗传算法（Genetic Algorithm）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）演化而来的随机化有哪些信誉好的足球投注网站方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是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；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的有哪些信誉好的足球投注网站空间，自适应地调整有哪些信誉好的足球投注网站方向，不需要确定的规则。遗传算法的这些性质，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。将遗传算法应用于函数优化问题中可以在有限次的求解步骤中,求得一个近似最优解,虽然这个解的取值具有一定的波动性,但与生物进化的自然选择类似,只要经过足够多次的迭代,得到的解与所要求的最优解会十分逼近2.基本算法流程2.1 初始化种群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P(0)。2.2 个体评价计算群体P(t)中各个个体的适应度。2.3 选择运算将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。2.4 交叉运算将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算子。2.5 变异运算将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t 1)。2.6 终止条件判断若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。3.试验与结果3.1 测试函数与参数选择本小节采用y=2*x2函数进行测试其中交叉概率为: 100%变异概率为: 1%3.2 试验结果程序运行次数最大解最小解平均解1000007080.008166422000753100.003120503072e-66.48e-64001257810.30420005001352100.11271806015e-63.528e-57001532100.32016008000001520.000204029015241100.343786100011235803 结果分析由程序运行结果可以看出,经过50代迭代求解,所求得的解与理论最优解0已经十分接近而另一方面,由于迭代次数只有50代,导致各代间有着较为明显的差异,比如在上例10次运行中,有0.39这样的解,也有0样的解存在,有着较大的离散性,由此可见,在遗传算法的运算中,结果有着一定的随机性,并且会随进化代数的增加而趋于稳定4.结论由实验结果可知,遗传算法在经过足够多次迭代后会十分接近所要求的最优解,但是遗传算法不是采用确定性规则,而是采用概率的变迁规则来执导的,因此具有很高的灵活性,不依赖于具体的问题领域,对问题的种类有很强的鲁棒性,但是由于其结果的不确定性,遗传算法并不适于解决多元规模过大的问题,并且由于其稳定性相对较差,很容易陷入局部最优解中5.参考文献《人工智能及其应用（第三版）》 才自行，徐光祐 清华大学出版社/view/45853.htm附录1.程序代码// // 遗传算法// 遗传算法求解min f(X) = 2 * x^2 s.t. -1= x =1// // author : 龙泉居士// date : 2011.11.28// envorment : Visual C++ 6.0 1998//// /*************************** function.h **************