基于Matlab的遗传算法研究研究背景及研究意义.pdf资源-CSDN文库

版权申诉

191 浏览量 2022-07-03 02:24:43 上传评论 1 收藏 249KB PDF 举报

资源推荐

资源详情

资源评论

基于 Matlab 的遗传算法研究研究背景及研究意义

1.1.1 研究背景

伴随着工业化时代的到来，人们的生产生活有了更多更高的要求，很多工业

过程的实际问题得不到解决，以及随后达尔文的适者生存，优胜劣汰的自然科学

规律的提出，人们借助达尔文的发现，提出了遗传算法这样一种新的算法来解决

很多工业过程的实际的问题。遗传算法英文全称是 Genetic Algorithm，是在 1975

年的时候，由美国科学家 J.Holland 从生物界的进化规律之中发现并且提出来的，

借助适者生存，优胜劣汰的自然科学规律运用到科学的训练方法之中，对于对象

直接进行操作的一种算法。这种算法不用跟其他算法一样，需要对于模型进行求

导和连续性的限制，遗传算法本身就可以借助概率化的求算工具进行全局寻优，

并且可以自动的获取并且指导需要优化的搜索区域，如果搜索区域产生偏差，会

自动的进行调整。因此，遗传算法本质上不需要跟其他算法一样，不必须有一种

明确的规则进行指导进行。

并且可以说与传统的优化相比，在求取符合运行要求的全局最优解时，遗传

算法作为一种搜索的方法，已经成为成熟的具有良好收敛性、极高鲁棒性和广泛

适用性的优化方法，很好的解决了电力系统的多变量、非线性、不连续、多约束

的优化控制问题。现在遗传算法的这些优良的性质被逐渐的开发出来，已经被运

用的越来越广泛，不仅可以应用在化工过程的各种生产过程的求解之中，更是可

以用在现在最火热的机器学习的领域之中，对于信号处理这一块还有自适应控制

这一块的应用也得到了推广，就连比较冷门的人工生命等学科也可以说是有比较

广的涉及，可以说遗传算法已经发展成为现当今时代有关智能计算中的一种不容

忽视的算法技术。作为当今最火热的一种算法，有必要对于遗传算法进行一些更

深入的了解。本文就是基于遗传算法的研究，并且将遗传算法运用在路径规划的

问题上进行具体的研究。

1.1.2 研究意义

遗传算法作为一种搜索的方法，已经成为成熟的具有良好收敛性、极高鲁棒

性和广泛适用性的优化方法，很好的解决了电力系统的多变量、非线性、不连续、

多约束的优化控制问题。由于遗传算法的优良性能的存在，因此，对于遗传算法

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

春哥111

粉丝: 1w+
资源: 5万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip