遗传算法原理.pdfVIP

遗传算法原理 算法简介 定义：模拟生物在自然环境中的遗传和进化过程 而形成的一种自适应全局优化概率算法。 最早由美国的J. Holland教授于1975年在他的 专著《自然界和人工系统的适应性》中首先提出。 算法简介 理论基础：模式定理（Schema Theorem） 模式定理揭示了群体中的优良个体（较好的模 式）的样本数将以指数级规律增长，从理论上保证 了遗传算法是一个可以用来寻求最优可行解的优化 过程。 算法简介 一遗传算法的生物学基础 遗传算法所借鉴的生物学基础就是生物的遗传和进化。 根据达尔文的自然选择和现代遗传学理论，生物在其延续 生存的过程中，子代从其亲代继承了遗传基因，并通过基 因重组和基因突变，使其品质不断得到改良，以适应于其 生存境。 算法简介 核心：优胜劣汰 生物的进化是以集团的形式共同进行的，这样的一个团体称 为群体(Population)，或称为种群。 组成群体的单个生物称为个体(Individual)， 每一个个体对其生存环境都有不同的适应能力，这种适应能 力称为个体的适应度(Fitness)。 算法简介 二基本概念 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，一个个体也就是有哪些信誉好的足球投注网站空间中的一 个点。 种群：就是模拟生物种群而由若干个体组成的群体, 它一 般是整个有哪些信誉好的足球投注网站空间的一个很小的子集。 算法简介 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(fitness function)：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有哪些信誉好的足球投注网站的评价函数。 算法简介 3 染色体 （chromosome ）就是问题中个体的 某种字符串形式的编码表示。字符串中的字符 也就称为基因 （gene ）。 例如： 个体 染色体 等位基因：{0,1} 9 1001 （2，5，6 ） 010 101 110 遗传算法要素及其实现技术 编码 个体适应度评价 遗传算子 运行参数 原则：1 低阶，短定义精度 （易于生成适应度较高的个体） 染 2 最小字符集 （在确定规模的种群中能处理最多的模式） 色 二进制编码方法：最常用，使用由二进制符号0和1组 体 成的二值符号集{0,1}，所构成的个体基因型是一个二 编 进制编码符号串。 假定某参数取值范围[U1,U2],用长度为l的二进制符 码 号串来表示： 方 000….0000=0 U1 l 法 111….1111= -1 U2 2 U2 U1 精度： l 2 1