遗传算法.pdf

文档介绍：遗传算算法法(ic Algorithm,GA)
物流系统优化中的是对自然界的适者生存、优胜劣汰进化原则的模拟;
常用优化算法是一种全局并行搜索的非导数的随机优化方法;
应用于组合优化、机器学****自适应控制、规划设计、人工神
经网络训练和图象处理等,是智能计算中的关键技术之一.
(一)神经网络算法 GA摆脱了对函数导数的依赖性,具有以下特点:
(二)遗传算法(ic Algorithm,GA) — GA 是并行搜索过程,可以在并行处理机上提高运算速度;
— GA 适用于所有连续和离散(或组合)优化问题。
— GA是随机的,不太容易陷入局部极小点。
GA的生物学基础、基本原理、实现方法、应用问题
1 2
GA的生物学基础——遗传和进化 4..1 GA的生物学基础——遗传和进化
1. 生物的遗传变异规律 (Evolution)
(1)遗传的物质载体——生物在其延续生存的过程中,逐步适应生存环境、品质不
细胞--染色体(chromosome)—DNA—基因(gene)、基因座断得到改良和优化的生命现象。
(2)基因在遗传过程中发生的变化:
—复制(reproduction),新细胞继承原来的基因; 要点:
—同源染色体的交叉(crossover),形成新的染色体; —生物进化是以群体(population)的方式共同进行;
—变异(mutation ),产生新的染色体。
—个体对生存环境都有不同的适应能力(个体的适应度);
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—自然选择学说:“适者生存,不适者淘汰”
的变异特性,决定了生物体的多样性,是生物进化和发展的根本保即:有利于生存环境的基因逐步增多,反之,逐步遭淘汰。
证.
3 4
生物进化循环图及主要规律 4..2 遗传算法原理
群体(population)、变异(mutation)、è遗传和进化发生在染色 1. 模拟生物进化过程的基本思路
复制(reproduction) ,交叉(crossover) 体上,染色体由基因构
成;
(1) 按优胜劣汰法则,优化可视为进化过程;
è自然选择规律决定哪些
变异
群体子群染色体会产生更多的后代(2) 可行域的点可视为种群的个体,即染色体;
(通过基因的复制实
现); (3)用二进制数对参数进行编码,得到染色体及基因;
竞争交叉
è同源染色体间的复制和(4) 通过复制、交叉、变异改变基因编码,实现优化。
交叉,使子代保持父代的
淘汰的种群特征;
群体
è 染色体结合后,随机
变异会造成新的个体。
è对环境适应性好的基因有更多的机会遗传到下一代 5 6
1
PDF created with pdfFactory trial version
4..2 遗传算法原理
2. GA对生物进化过程的模拟
GA过程:
编码:将搜索空间的参数è遗传空间的参数;
编码和初始è适者生存——具有最优目标值的解有最大可能被最终留住;
群体生成
初始群体:一组初始解; è个体(individual) ——解
个体适应度适应度检测:构造适应