文档介绍：关于遗传算法又叫GA算法
现在学****的是第1页，共37页
自然界充满了奇迹与生机，而生命的繁衍更是奇妙无穷。人类之所以能够向其自身的演化学****以增强决策问题的能力，是因为自然演化过程本质就是一个学****与优化的过程。这一优化过程的目的是决定个体对环境的适应度。
2．可以认为生物体的基因在染色体上呈线性排列，所有遗传与进化过程均发生在染色体上。
3．生物的繁殖是由其基因的复制来完成的，交叉重组是有性繁殖的基因复制的基本形式。
4．同源染色体之间的交叉或染色体上基因的变异（突变）产生新的物种，使生物体呈现新的性状，变异是物种进化的根本保证。
现在学****的是第11页，共37页
5．自然依据个体生物的适应度决定其在种群中是否存活，对环境适应性强的基因或染色体经常比适应性差的基因或染色体具有更多的机会遗传到下一代。
6．竞争存在于生物种群以及种群与种群之间，竞争是规模无限扩大趋势的生物分享有限资源的直接结果，是物种进化的促进剂。
7．有竞争必然有选择，自然选择是生物进化的最基本规律。
现在学****的是第12页，共37页
§ 遗传算法的基本原理
遗传算法是基于自然选择和遗传机制，在计算机上模拟生物进化机制的寻优搜索仿生智能算法，它模拟的机制是一切生命与智能的产生与进化过程。
在自然界的演化过程中，生物体通过遗传（传宗接代、后代和双亲非常相像）、变异（后代与双亲又不完全相像）来适应外界环境，一代又一代地优胜劣汰、繁衍进化。
现在学****的是第13页，共37页
GA则模拟了上述进化现象，它把搜索空间（所求问题的解的隶属空间）映射为遗传空间，即把每一个可能的解编码为一个向量（二进制或十进制数字或字符串），称为一个染色体或个体，向量的每个元素称为基因，所有染色体组成群体或种群，并按预定的目标函数（或某种评价指标）对每个染色体进行评价，据其评价结果给出一个适应度值。
现在学****的是第14页，共37页
算法开始时先随机地产生一些染色体（即所求问题的侯选解），计算其适应度，据适应度大小对诸染色体进行选择、交叉（杂交）、变异等遗传操作，剔除适应度低（性能不佳、不适宜环境生存）的染色体，留下适应度高（性能优良、适宜环境生存）的染色体，从而得到新的群体。由于新群体的成员是上一代群体的优秀者，继承了上一代的优良性能，因而明显优于上一代。GA就是这样反复地操作，向着更优解的方向进化，直到满足某种预定的优化收敛指标。
现在学****的是第15页，共37页
§ 遗传算法的几个基本概念
个体
种群和种群规模
适应度函数
生物群体中的染色体，设计向量映射到遗传空间中的一个编码串。具体地说，就是一个侯选解。
一个生物群体就是一个种群，其中的生物个体的总数目就是种群规模。编码串总数目。
适应度是生物个体适应环境生存的能力大小，或评价个体性能优劣的指标，与染色体之间存在一定的关系。
现在学****的是第16页，共37页
§ 遗传算法的基本算子
选择（Selection）算子
选择算子又称为繁殖、再生或复制（Reproduction）算子，它是用以模拟生物界去劣存优的自然选择现象。它从旧种群中选择出适应性强（适应度高）的某些个体（染色体），放入匹配（交配或配对）集（Mating Pool），为通过染色体交叉和变异产生新的种群作准备。适应度越高的染色体被选择的可能性越大，其遗传基因在下一代种群中的分布就越广，其子孙（后代）在下一代出现的数量就越多。
现在学****的是第17页，共37页
选择是遗传算法中的最主要的算子（机制），也是影响遗传算法性能的最主要的因素。但选择只能从旧的种群中选择出优秀者，而不能创造出新的染色体。选择压（Selection Pressure）描述了选择算子挑选种群中不同个体做母体的概率大小的差异。选择压过大，会造成几个较好可行解（不一定是近似全局最优解）迅速占领了整个种群；选择压过小，则会使算法呈现出纯粹的随机徘徊行为。
现在学****的是第18页，共37页
选择有多种方法，如适应度比例法、顺序法、适应度函数的尺度变换、杰出者选择（Elitist Selection）。其中，适应度比例法是比较普遍采用的策略，其缺陷是易造成选择压过大或过小。
适应度比例选择法又称轮转法，它把种群中的所有染色体适应度的总和看作一个轮子的圆周，而每个染色体按其适应度在总和中所占的比例占据轮子的一个扇区片。每次染色体的选择可看作轮子的一次随机转动，它转到哪个扇区停下来，哪个扇区对应的染色体就被选中。尽管 这种选择方法是随机的，
现在学****的是第19页，共37页
但它与各染色体适应度成比例。这是因为适应度大的染色体占据轮子扇区面积大，被选中的概率就高（机会多），而适应度小的染色体占据的扇区面积小，被选中的概率就低（机