没有合适的资源?快使用搜索试试~ 我知道了~
遗传算法的基本思想正是基于模仿生物界的遗传过程它把问题的参数用基因代表。把问题的解用染色体代表,从而得到一个由具有不同染色体的个体组成的群体。这个群体在问题特定的环境里生存竞争,适者有最好的机会生存和产生后代后代随机继承了父代的最好特征,并在生存环境的控制支配下继续这一过程。群体的染色体都将逐渐适应环境,不断进化,最后收敛到一族最适应环境的类似个体,即得到问题最优解。
资源推荐
资源详情
资源评论
一、遗传算法的定义及简介
遗传算法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
化而来的随机化搜索方案。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
化的搜索空间,自适应地调整搜索方向,不需要确定的规则。
二、遗传算法的原理及其工作流程
2.1 遗传算法的原理
遗传算法的基本思想正是基于模仿生物界的遗传过程它把问题的参数用基
因代表。把问题的解用染色体代表,从而得到一个由具有不同染色体的个体组成
的群体。这个群体在问题特定的环境里生存竞争,适者有最好的机会生存和产生
后代后代随机继承了父代的最好特征,并在生存环境的控制支配下继续这一过程。
群体的染色体都将逐渐适应环境,不断进化,最后收敛到一族最适应环境的类似个
体,即得到问题最优解。
遗传算法是由进化论和遗传学机理而产生的直接搜索优化方法,故在这个算
法中要用到各种进化和遗传学的概念。首先给出遗传学概念、遗传算法概念和数
学概念三者之间的对应关系,如表 1 所示:
表 1 遗传学概念遗传算法概念和数学概念三者之间的对应关系
序号
遗传学概念
遗传算法概念
数学概念
1
个体
要处理的基本对象
可行解
2
群体
个体的集合
被选定的一组可行解
3
染色体
个体的表现形式
可行解的编码
4
基因
染色体中的元素
编码中的元素
5
基因位
某一基因在染色体中的位置
元素在编码中的位置
6
适应值
个体对于环境的适应程度
可行解所对应的适应函数值
7
种群
选定的一组染色体或个体
选定的一组可行解
8
选择
从群体中选择优胜个体
保留或复制适应值大的个体
9
交叉
一组染色体对基因段的交换
根据交叉原则产生一组新解
10
交叉概率
染色体对应基因段交换的概率
一般为 0.65~0.90
11
变异
染色体水平上的基因变化
编码的某些元素被改变
12
变异概率
染色体水平上基因变化的概率
一般为 0.001~0.01
13
进化、适者生存
个体进行优胜劣汰的进化
适应函数值优的可行解
资源评论
自在极意功登峰造极
- 粉丝: 121
- 资源: 7
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功