遗传算法和模式匹配
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种
崭新的全局优化算法,它借用了生物遗传学的观点,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。这一点体现了自然界中"物竞天择、适者生存"进
化过程。1962 年 Holland 教授首次提出了 GA 算法的思想,
从而吸引了大批的研究者,迅速推广到优化、搜索、机器
学习等方面,并奠定了坚实的理论基础。 用遗传算法解决
问题时,首先要对待解决问题的模型结构和参数进行编码
一般用字符串表示,这个过程就将问题符号化、离散化了。
一个串行运算的遗传算法(Seguential Genetic Algoritm, SGA)
按如下过程进行:
(1) 对待解决问题进行编码;
(2) 随机初始化群体 X(0):=(x1, x2, … xn);
(3) 对当前群体 X(t)中每个个体 xi 计算其适应度 F(xi),适应
度表示了该个体的性能好坏;
(4) 应用选择算子产生中间代 Xr(t);
(5) 对 Xr(t)应用其它的算子,产生新一代群体 X(t+1),这些
算子的目的在于扩展有限个体的覆盖面,体现全局搜索的
思想;
(6) t:=t+1;如果不满足终止条件继续(3)。