文档介绍：遗传算法及其应用 (2)
*
第9章 遗传算法及其应用
遗传算法的产生与发展
遗传算法的基本算法
遗传算法的改进算法
基于遗传算法的生产调度方法
*
遗传算法的产生与发展
遗传算法（genetic algorithms，GA）：一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。
遗传算法可广泛应用于组合优化、机器学****自适应控制、规划设计和人工生命等领域。
*
遗传算法的产生与发展
遗传算法的生物背景
遗产算法的基本思想
遗产算法的发展历史
设计遗产算法的基本原则与内容
*
遗传算法的生物学背景
适者生存：最适合自然环境的群体往往产生了更大的后代群体。
生物进化的基本过程：
染色体(chromosome)：生物的遗传物质的主要载体。
基因(gene)：扩展生物性状的遗传物质的功能单元和结构单位。
基因座（locus）：染色体中基因的位置。
等位基因（alleles）：基因所取的值。
*
遗传算法的基本思想
生物遗传概念
遗产算法中的应用
适者生存
目标值比较大的解被选择的可能性大
个体（Individual）
解
染色体（Chromosome）
解的编码（字符串、向量等）
基因（Gene）
解中每一分量的特征
适应性（Fitness）
适应函数值
群体（Population）
根据适应函数值选定的一组解（解的个数为群体的规模）
婚配（Marry）
交叉（Crossover）选择两个染色体进行交叉产生一组新的染色体的过程
变异（Mutation）
编码的某一分量发生变化的过程
*
遗传算法的基本思想
遗传算法的基本思想：
在求解问题时从多个解开始，然后通过一定的法则进行逐步迭代以产生新的解。
*
遗传算法的发展历史
1962年，Fraser提出了自然遗传算法。
1965年，Holland首次提出了人工遗传操作的重要性。
1967年，Bagley首次提出了遗传算法这一术语。
1970年，Cavicchio把遗传算法应用于模式识别中。
1971年，Hollstien在论文《计算机控制系统中人工遗传自适应方法》中阐述了遗传算法用于数字反馈控制的方法。
1975年，美国J. Holland出版了《自然系统和人工系统的适配》；DeJong完成了重要论文《遗传自适应系统的行为分析》。
20世纪80年代以后，遗传算法进入兴盛发展时期。
*
设计遗传算法的基本原则与内容
设计的基本原则：
适用性：算法所能适用的问题种类。
可靠性：算法对于所设计的问题，以适当的精度求解其中大多数问题的能力 。
收敛性：算法能否收敛到全局最优。
稳定性：算法对其控制参数及问题数据的敏感度 。
生物类比：通过类比的方法引入在生物界被认为是有效的方法及操作。