文档介绍：人工智能遗传算法
第1页，本讲稿共12页
其中x为[0, 31]间的整数
编码：采用二进制形式编码
由于x的定义域是[0, 31]间的整数，刚好可以用5位二进制数表示，因此可以用5位二进制数表示该问人工智能遗传算法
第1页，本讲稿共12页
其中x为[0, 31]间的整数
编码：采用二进制形式编码
由于x的定义域是[0, 31]间的整数，刚好可以用5位二进制数表示，因此可以用5位二进制数表示该问题的解，即染色体。如00000表示x＝0，10101表示x＝21，11111表示x＝31等
第2页，本讲稿共12页
适应函数:
直接使用函数f(x)作为适应函数。
假设群体的规模N＝4，交配概率pc＝100％，变异概率pm＝1％。
设随机生成的初始群体为：
01101，11000，01000，10011
选择方法：“确定性”法
第3页，本讲稿共12页
第0代情况表
序号
群体
适应值
选择概率（％）
期望次数
选中次数
1
01101
169
1
2
11000
576
2
3
01000
64
0
4
10011
361
1
第4页，本讲稿共12页
第0代种群的交配情况
序号
种群
交配对像
交配位
子代
适应值
1
01101
2
4
01100
144
2
11000
1
4
11001
625
3
11000
4
2
11011
729
4
10011
3
2
10000
256
第5页，本讲稿共12页
序号
群体
适应值
选择概率（％）
期望次数
选中次数
1
01100
144
0
2
11001
625
1
3
11011
729
2
4
10000
256
1
第1代情况表
第6页，本讲稿共12页
序号
种群
交配对像
交配位
子代
适应值
1
11001
2
3
11011
729
2
11011
1
3
11001
625
3
11011
4
1
10000
256
4
10000
3
1
11011
729
第1代种群的交配情况
第7页，本讲稿共12页
序号
种群
交配对像
交配位
子代
适应值
1
11011
2
3
11001
625
2
11101
1
3
11111
961
3
10000
4
2
10001
289
4
11011
3
2
11010
676
第2代种群的交配情况
第8页，本讲稿共12页
最大适应值、平均适应值进化曲线
第9页，本讲稿共12页
遗传算法的特点
第10页，本讲稿共12页
（1）遗传算法是一个随机搜索算法，适用于数值求解具有多参数、多变量、多目标等复杂的最优化问题。
（2）遗传算法对待求解问题的指标函数没有什么特殊的要求，比如不要求诸如连续性、导数存在、单峰值假设等。甚至于不需要显式的写出指标函数。
（3）在经过编码以后，遗传算法几乎不需要任何与问题有关的知识，唯一需要的信息是适应值的计算。也不需要使用者对问题有很深入的了解和求解技巧，通过选择、交配和变异等简单的操作求解复杂的问题，是一个比较通用的优化算法。
（4）遗传算法具有天然的并行性，适用于并行求解
第11页，本讲稿共12页
收敛性定理：
如果在代的进化过程中，遗传算法每次保留到目前为止的最好解，并且算法以交配