没有合适的资源?快使用搜索试试~ 我知道了~
遗传算法综述与遗传算法学习入门.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 177 浏览量
2022-05-08
14:31:29
上传
评论
收藏 967KB DOC 举报
温馨提示
试读
64页
遗传算法综述与遗传算法学习入门.doc
资源推荐
资源详情
资源评论
遗传算法综述
摘要:
遗传算法(Genetic Algorithm--GA)是一类借鉴生物界自然选择和自然遗
传机制的随机化搜索算法,其主要特点是群体搜索策略和群体中个体之间的信
息交换,搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难于解决的
复杂和非线性问题,可广泛用于组合优化、机器学习、自适应控制、规划设计
和人工生命等领域.本文从遗传算法的起源与发展谈起,论述了遗传算法的基
本思想和基本原理,并对其性能和收敛性进行了分析,最后还介绍了几种改变
的遗传算法以及在遗传算法方面杰出人物及其相关著作。
[关键字]遗传算法、搜索算法、遗传算法收敛性、改进的遗传算法
1
目录
1 遗传算法起源及发展历史..............................................................................................................4
1.1 遗传算法的生物学基础.......................................................................................................4
1.2 遗传算法的起源与发展历史...............................................................................................5
2 .遗传算法的特点.............................................................................................................................7
2.1 遗传算法基本思想...............................................................................................................7
2.2 遗传算法和其它传统搜索方法的对比...............................................................................8
2.3 遗传算法的优缺点.............................................................................................................11
3 进化算法及其分支........................................................................................................................15
3.1 进化算法简述.....................................................................................................................15
3.2 进化算法基本算法设计.....................................................................................................16
3.3 进化算法 4 个分支.............................................................................................................17
3.3.1 遗传算法..................................................................................................................17
3.3.2 遗传规划..................................................................................................................21
3.3.3 进化规划..................................................................................................................22
3.3.4 进化策略..................................................................................................................24
3.3.5 进化策略与遗传算法的对比..................................................................................26
3.3.6 进化规划与进化策略的比较..................................................................................27
3.4 交叉和变异的关系.............................................................................................................28
4 遗传算法的理论基础....................................................................................................................30
4.1 模式定理.............................................................................................................................30
4.2 积木块假设.........................................................................................................................34
5 遗传算法的基本原理....................................................................................................................36
5.1 遗传编码.............................................................................................................................37
5.1.1 编码(译码)评估规范和编码原理...........................................................................38
5.1.2 传统编码方式..........................................................................................................40
5.1.3 处理约束条件..........................................................................................................43
5.2 初始群体设定.....................................................................................................................44
5.3 适应度函数.........................................................................................................................46
5.3.1 适应度函数设计方法..............................................................................................47
5.3.2 适应度函数的设计对遗传算法的影响..................................................................48
5.4 遗传操作(genetic operation)..............................................................................................49
5.4.1 传统遗传选择算子..................................................................................................50
5.4.2 交叉算子(crossover)................................................................................................59
5.4.3 变异算子(mutation).................................................................................................63
6 遗传算法性能评估........................................................................................................................64
7 遗传算法收敛性分析....................................................................................................................67
7.1 未成熟收敛........................................................................................................................67
7.2 标准遗传算法的收敛性.....................................................................................................68
8 遗传算法的改进............................................................................................................................70
8.1 分层遗传算法.....................................................................................................................70
8.2 CHC 算法............................................................................................................................72
2
8.3 并行遗传算法.....................................................................................................................75
9 遗传算法的应用............................................................................................................................77
10 遗传算法今后研究的主要课题..................................................................................................82
有关遗传算法的著名人物与书籍论文 .......................................................................................85
展 望..............................................................................................................................................87
参考文献...........................................................................................................................................89
3
1 遗传算法起源及发展历史
1.1 遗传算法的生物学基础
生命自从在地球上诞生以来,就开始了漫长的生物进化历程,低级、简单
的生物类型逐渐发展为高级、复杂的生物类型。这一过程已经由古生物学、胚
胎学和比较解剖学等方面的研究工作所证实口生物进化的原因自古至今有着各
种不同的解释,其中被人们广泛接受的是达尔文的自然选择学说。
自然选择学说认为,生物要生存下去,就必须进行生存斗争。生存斗争包
括种内斗争、种间斗争以及生物跟无机环境之间的斗争三个方面。在生存斗争
中,具有有利变异(mutation)的个体容易存活下来,并且有更多的机会将有利
变异传给后代;具有不利变异的个体就容易被淘汰,产生后代的机会也少得多。
因此,凡是在生存斗争中获胜的个体都是对环境适应性比较强的。达尔文把这
种在生存斗争中适者生存,不适者淘汰的过程叫做自然选择。达尔文的自然选
择学说表明,遗传和变异是决定生物进化的内在因素。遗传是指父代与子代之
间,在性状上存在的相似现象。变异是指父代与子代之间,以及子代的个体之
间,在性状上或多或少地存在的差异现象。在生物体内,遗传和变异的关系十
分密切。一个生物体的遗传性状往往会发生变异,而变异的性状有的可以遗传。
遗传能使生物的性状不断地传送给后代,因此保持了物种的特性,变异能够使
生物的性状发生改变,从而适应新的环境而不断地向前发展。
生物的各项生命活动都有它的物质基础,生物的遗传与变异也是这样。根
据 现 代 细 胞 学 和 遗 传 学 的 研 究 得 知 , 遗 传 物 质 的 主 要 载 体 是 染 色 体
(chromsome),染色体主要是由 DNA(脱氧核糖核酸)和蛋白质组成,其中 DNA
又是最主要的遗传物质。现代分子水平的遗传学的研究又进一步证明,基因
(gene)是有遗传效应的片段,它储存着遗传信息,可以准确地复制,也能够发
生突变,并可通过控制蛋白质的合成而控制生物的性状。生物体自身通过对基
因的复制(reproduction)和交叉(crossover),即基因分离、基因自由组合和
基因连锁互换)的操作使其性状的遗传得到选择和控制。同时,通过基因重组、
4
基因变异和染色体在结构和数目上的变异产生丰富多采的变异现象。需要指出
的是,根据达尔文进化论,多种多样的生物之所以能够适应环境而得以生存进
化,是和上述的遗传和变异生命现象分不开的。生物的遗传特性,使生物界的
物种能够保持相对的稳定;生物的变异特性,使生物个体产生新的性状,以至于
形成了新的物种,推动了生物的进化和发展。
由于生物在繁殖中可能发生基因交叉和变异,引起了生物性状的连续微弱
改变,为外界环境的定向选择提供了物质条件和基础,使生物的进化成为可能。
人们正是通过对环境的选择、基因的交叉和变异这一生物演化的迭代过程的模
仿,从而提出了能够用于求解最优化问题的强鲁棒、自适应的遗传算法。
1.2 遗传算法的起源与发展历史
尝试性地将生物进化过程在计算机中模拟并用于优化问题求解开始于 20
世纪 50 年代末,其目的是将生物进化的思想引入许多工程问题中而成为一种
优化工具,这些开拓性的研究工作形成了遗传算法的雏形。但当时的研究进展
缓慢,收效甚微。原因是由于缺少一种通用的编码方式,人们只有通过变异才
能改变基因结构,而无法使用交叉,因而增加了迭代次数。同时算法本身需要
较大的计算量,当时的计算机速度便无法满足要求,因而限制了这一仿生过程
技术的迅速发展。20 世纪 60 年代中期,Holland 在 Fraser 和 Bremermann
等人研究成果的基础上提出了位串编码技术,这种编码技术同时适用于变异操
作和交叉操作。
遗 传 算 法 的 真 正 产 生 源 于 20 世 纪 60 年 代 末 到 70 年 代 初 , 美 国
Michigan 大学的 Holland 教授在设计人工适应系统中开创性地使用了一种基
于自然演化原理的搜索机制,并于 1975 年出版了著名的专著“Adaptation in
Natural andArti*cial Systems”,这些有关遗传算法的基础理论为遗传算法
的发展和完善奠定了的基础。同时,Holland 教授的学生 De Jong 首次将遗传
算法应用于函数优化中,设计了遗传算法执行策略和性能评价指标,他挑选的
5 个专门用于遗传算法数值实验的函数至今仍被频繁使用,而他提出的在线
(on-line)和离线(o/-line)指标则仍是目前衡量遗传算法优化性能的主要手段。
5
剩余63页未读,继续阅读
资源评论
老帽爬新坡
- 粉丝: 83
- 资源: 2万+
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