文档介绍：鲁棒性强,易丁:行化,在符个领域得到广泛应用给道关键同:遗传阨数话乃∥小籮新穹ㄗ楹狭髟砫俪题,摘要她鳍法魁川计锥机模拟生物进化思恕的优化算法,首先由美国大本文还讨沦﨟焕郚问题,如何给山一组测试样本集,利用这个测试集,能比较合理地似荆磺蠼庹饫郚问题的算法的计算能力和复杂惺,从/本沦文兆分帝:第⋯。牵扼硬介绍糯惴ǖ脑怼⑻氐愫头⒄菇蹋旱关键同:遗传鱥数沦乃∥二市探讨了数论办法孔尝螈怼钟τ茫耍烦蒀鲜弁竦挠行Х椒ㄒ灰小灰‘竹法组合优化背包问题’ⅰ卜教授‘剑骸А彼黱·ㄉ沃秩汗婺隼ǜ鎏迨蔎衄度来引旨搜索,通过按照一迅怕式醒≡瘛⒃咏缓捅湟煲糯ú僮魍瓿扇禾宓母新,因此遗┘舴ㄊ导首阒帧澳秄慨鸉⑺阉鞑呗浴薄由于它使用简单,本文介绍数沦在统穎/;女丌:利圳数论中的佳点集理沦和方法,刘‘遗传算法巾的交叉操作进行了最新设计,给⋯了一个新的算法,称为佳点集遗传算法。我们将化点集遗传算法应用呵蠼舛嗵笮偷淖楹嫌呕侍如背包题和鎏,』氪骋糯榉ń斜冉希梢钥闯龈盟惴ú唤鎏岣撸畆求解的效牢和精度,还仃效地避免厂“早熟”现象。而州以啻瞬馐约捶中玫美恢臃ǖ挠帕印N颐抢檬僦械募训慵砺俑龉造算法测试集的方法,最后以侍獗襩嘲黱馕@淞跤Φ乃惴ú馐约佳点集,ǎ后蘪带闸述琭叫墓《ㄒ謇灾剩踅徊娌僮鹘改进,给出了他点集遗┟场7ǎ坏谛恼路治觥弧训慵糯惴ㄓτ糜诒嘲侍夂蚑州趔的算法实现利实验结果;筇嵝’川佳点集理论构造算法测试集的方法,,题测鎞:,究个川题、,
,琧癰盉,瑃.——琓琫猰瑃琒瑂痯,籺,—保甀痠
篏‘—琣琣—
第一章遗传算法概论标准遗传算法这就是适者生存的原理。的遗传学说认为遗传是作为一种指令遗传码封装遗传算法,简称魑R恢纸饩龈丛游侍獾挠行Х椒ǎ是由美国大学的淌谟晔紫忍岢隼吹摹U庵炙惴ㄊ以达尔文的生物进化论为启发而创建的,是基于进化中优胜劣汰、自然选择、适者生存和物种遗传思想的搜索算法。它的主要特点是在搜索过程中不需任何先验知识,只用个体适应度来引导搜索,它尤其适用于处理传统搜索方法难于解决的复杂问题和非线性问题。目前遗传算法已被广泛应用于许多实际问题,如组合优化、机器学****神经网络、自适应控制、优化调度、模式识别等众多领域。的基本思想是基于的进化论和的遗传学说。的进化论认为每一物种在不断的发展过程中都是越来越适应环境。物种的每个个体的基本特征被后代所继承,但后代又不完全同于父代,这些新的变化,若适应环境,则被保留下来。在某一环境中电是那些更能适应环境的个体特征能被保留下来,在每个细胞巾,并以基因的形式包含在染色体中,每个基因有特殊的位置并控制某个特殊的性质,每个基因产生的个体对环境有一定的适应性,基因杂交和基因突变可能产生对环境适应性强的后代,通过优胜劣汰的自然选择,适应值高的基因结构就保存下来。是将问题的求解表示成“染色体”眉扑慊喑淌保话闶怯枚莆符号整数表示佣钩梢蝗骸叭旧濉薄=侵糜谖侍獾摹盎肪场敝校适者复娴脑颍又醒∈鉛视肪车摹叭旧濉苯懈粗疲ü徊妗ⅲ湟两种基因操作产生⋯新的一代更适应环境的“染色体”群,这样一代代地不断进化,。佳点集遗传算法的理论和研究
一个标准的有三个恭术成分秩种群王称为个体群。一个个体代表问题解空间的一个元素,就是要在给定的时问里搜索到或“进化”⋯一个可以接受的解。一般个体用二进制表示,称为染包体,:浊的小流程件点集遗传弹注的删论乖¨研究
只痽,显然,概率只反映了个体‘的适应度在整个群体中所有个体适应,则‘被选择的概率定被选巾,差的个体【醪蛔阋欢ū惶蕴秸叩牟畋鹪谟谒歉髯缘难≡窀怕什设群体大小为渲懈鎏錿的适应度为视Χ群用适应度函数来评价问题解的好坏,它不受连续可微的约束,且定义域可以是任何函数。由于不用梯度信息,所以标准的只用适应度函数作为依据,适应度值为大于零的实数,适应度值越大表示个体的生存能力越强。糯ú僮选择⒔徊和变异是的三个主要操作算子,它们构成了遗传操作,使具有了其它传统方法所没有的特性。●选择选择是优胜劣汰、自然选择的计算形式,它根据适应度的大小决定哪个个体被复制并传给下一代。它的特点是以一定的概率选择,种群中好的个体不是一同。通常采用赌轮方法进行选择:度总和簂所醯谋壤鎏迨视Χ仍酱蟮模浔谎≡竦母怕示驮礁撸粗嗳弧●交叉交叉足涸2僮鳎婊〗硪欢匀旧澹桓鲎魑!案盖住保硪桓鲎魑!澳亲”,随机没定交叉点,父母彼此交换部分信息,产生一对新的染色体即后代:●变异变异足⋯元操作,刘染色体的某⋯基闪求反:/—佳点集遗传算法的理沦和研究,”,』叫‘
遗传算法的特点它足‘种笏阉髂朔ǎ导蔶忻魅返乃阉鞣较颍恰制舴⑹剿变异操作同样也是随机进行的,一般而言变异概率6既〉煤苄。。在标准巾,变异率和杂交率对每个个体都是一样的,并