遗传算法

理与应用Р唐慧丰?2006 年 5 月Р报告提纲Р一、遗传算法概述?二、遗传算法原理?三、遗传算法的应用Р一、遗传算法概述Р1、智能优化算法?2、基本遗传算法?3、遗传算法的特点Р1、智能优化算法Р智能优化算法又称为现代启发式算法,是一种具有全局优化性能、通用性强、且适合于并行处理的算法。这种算法一般具有严密的理论依据,而不是单纯凭借专家经验,理论上可以在一定的时间内找到最优解或近似最优解。Р常用的智能优化算法Р(1)遗传算法?(ic Algorithm, 简称GA) ?(2)模拟退火算法?(Simulated Annealing, 简称SA) ?(3)禁忌搜索算法?(Tabu Search, 简称TS) ? ……Р智能优化算法的特点Р它们的共同特点:都是从任一解出发,按照某种机制,以一定的概率在整个求解空间中探索最优解。由于它们可以把搜索空间扩展到整个问题空间,因而具有全局优化性能。Р遗传算法起源Р遗传算法是由美国的J. Holland教授于1975年在他的专著《自然界和人工系统的适应性》中首先提出的,它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。Р遗传算法的搜索机制Р遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子(选择、交叉和变异)对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。Р2、基本遗传算法Р基本遗传算法(Simple ic Algorithms,简称SGA,又称简单遗传算法或标准遗传算法),是由Goldberg总结出的一种最基本的遗传算法,其遗传进化操作过程简单,容易理解,是其它一些遗传算法的雏形和基础。Р基本遗传算法的组成Р(1)编码(产生初始种群)?(2)适应度函数?(3)遗传算子(选择、交叉、变异)?(4)运行参数