MATLAB优化算法案例分析与应用
•1 遗传算法简介
随着应用领域的扩展,遗传算法的研究出现了几个引人注目的新动向:
一是基于遗传算法的机器学习,这一新的研究课题把遗传算法从历来离散的搜
索空间的优化搜索算法扩展到具有独特的规则生成功能的崭新的机器学习算法。这
一新的学习机制对于解决人工智能中知识获取和知识优化精炼的瓶颈难题带来了希
望。
二是遗传算法正日益和神经网络、模糊推理以及混沌理论等其它智能计算方法
相互渗透和结合,这对开拓21世纪中新的智能计算技术将具有重要的意义。
三是并行处理的遗传算法的研究十分活跃。这一研究不仅对遗传算法本身的发
展,而且对于新一代智能计算机体系结构的研究都是十分重要的。
四是遗传算法和另一个称为人工生命的崭新研究领域正不断渗透。所谓人工生
命即是用计算机模拟自然界丰富多彩的生命现象,其中生物的自适应、进化和免疫
等现象是人工生命的重要研究对象,而遗传算法在这方面将会发挥一定的作用。
五是遗传算法和进化规划(EvolutionProgramming,EP)以及进化策略(
EvolutionStrategy,ES)等进化计算理论日益结合。EP和ES几乎是和遗传算法同
时独立发展起来的,同遗传算法一样,它们也是模拟自然界生物进化机制的智能计
算方法,即同遗传算法具有相同之处,也有各自的特点。目前,这三者之间的比较
研究和彼此结合的探讨正形成热点。