遺傳算法與優(yōu)化問地的題目

《遺傳算法與優(yōu)化問地的題目》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、實(shí)用標(biāo)準(zhǔn)文案遺傳算法與優(yōu)化問題摘要：遺傳算法中的生物遺傳學(xué)概念由于遺傳算法是由進(jìn)化論和遺傳學(xué)機(jī)理而產(chǎn)生的直接搜索...則標(biāo)準(zhǔn)遺傳算法的變換矩陣P是基本的.定理2標(biāo)準(zhǔn)遺傳算法(參數(shù)如定理1)不能收斂...關(guān)鍵詞：算法,矩陣類別：專題技術(shù)來源：牛檔搜索（Niudown.COM）精彩文檔實(shí)用標(biāo)準(zhǔn)文案　　本文系牛檔搜索（Niudown.COM）根據(jù)用戶的指令自動搜索的結(jié)果，文中內(nèi)涉及到的資料均來自互聯(lián)網(wǎng)，用于學(xué)習(xí)交流經(jīng)驗(yàn)，作品其著作權(quán)歸原作者所有。不代表牛檔搜索（Niudown.COM）贊成本文的內(nèi)容或立場，牛檔搜索（Niu

2、down.COM）不對其付相應(yīng)的法律責(zé)任！精彩文檔實(shí)用標(biāo)準(zhǔn)文案實(shí)驗(yàn)十遺傳算法與優(yōu)化問題一、問題背景與實(shí)驗(yàn)?zāi)康倪z傳算法（GeneticAlgorithm—GA），是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型，它是由美國Michigan大學(xué)的J.Holland教授于1975年首先提出的．遺傳算法作為一種新的全局優(yōu)化搜索算法，以其簡單通用、魯棒性強(qiáng)、適于并行處理及應(yīng)用范圍廣等顯著特點(diǎn)，奠定了它作為21世紀(jì)關(guān)鍵智能計(jì)算之一的地位．本實(shí)驗(yàn)將首先介紹一下遺傳算法的基本理論，然后用其解決幾個簡單的函數(shù)最值問題，使讀者能

3、夠?qū)W會利用遺傳算法進(jìn)行初步的優(yōu)化計(jì)算．1．遺傳算法的基本原理遺傳算法的基本思想正是基于模仿生物界遺傳學(xué)的遺傳過程．它把問題的參數(shù)用基因代表，把問題的解用染色體代表（在計(jì)算機(jī)里用二進(jìn)制碼表示），從而得到一個由具有不同染色體的個體組成的群體．這個群體在問題特定的環(huán)境里生存競爭，適者有最好的機(jī)會生存和產(chǎn)生后代．后代隨機(jī)化地繼承了父代的最好特征，并也在生存環(huán)境的控制支配下繼續(xù)這一過程．群體的染色體都將逐漸適應(yīng)環(huán)境，不斷進(jìn)化，最后收斂到一族最適應(yīng)環(huán)境的類似個體，即得到問題最優(yōu)的解．值得注意的一點(diǎn)是，現(xiàn)在的遺傳算法是受生物進(jìn)化論

4、學(xué)說的啟發(fā)提出的，這種學(xué)說對我們用計(jì)算機(jī)解決復(fù)雜問題很有用，而它本身是否完全正確并不重要（目前生物界對此學(xué)說尚有爭議）．（1）遺傳算法中的生物遺傳學(xué)概念由于遺傳算法是由進(jìn)化論和遺傳學(xué)機(jī)理而產(chǎn)生的直接搜索優(yōu)化方法；故而在這個算法中要用到各種進(jìn)化和遺傳學(xué)的概念．首先給出遺傳學(xué)概念、遺傳算法概念和相應(yīng)的數(shù)學(xué)概念三者之間的對應(yīng)關(guān)系．這些概念如下：序號遺傳學(xué)概念遺傳算法概念數(shù)學(xué)概念1個體要處理的基本對象、結(jié)構(gòu)也就是可行解2群體個體的集合被選定的一組可行解3染色體個體的表現(xiàn)形式可行解的編碼4基因染色體中的元素編碼中的元素5基因位

5、某一基因在染色體中的位置元素在編碼中的位置6適應(yīng)值個體對于環(huán)境的適應(yīng)程度，或在環(huán)境壓力下的生存能力可行解所對應(yīng)的適應(yīng)函數(shù)值7種群被選定的一組染色體或個體根據(jù)入選概率定出的一組可行解8選擇從群體中選擇優(yōu)勝的個體，淘汰劣質(zhì)個體的操作保留或復(fù)制適應(yīng)值大的可行解，去掉小的可行解9交叉一組染色體上對應(yīng)基因段的交換根據(jù)交叉原則產(chǎn)生的一組新解10交叉概率染色體對應(yīng)基因段交換的概率（可能性大?。╅]區(qū)間[0,1]上的一個值，一般為0.65~0.90精彩文檔實(shí)用標(biāo)準(zhǔn)文案11變異染色體水平上基因變化編碼的某些元素被改變12變異概率染色體上

6、基因變化的概率（可能性大小）開區(qū)間(0,1)內(nèi)的一個值,一般為0.001~0.0113進(jìn)化、適者生存?zhèn)€體進(jìn)行優(yōu)勝劣汰的進(jìn)化，一代又一代地優(yōu)化目標(biāo)函數(shù)取到最大值，最優(yōu)的可行解（2）遺傳算法的步驟遺傳算法計(jì)算優(yōu)化的操作過程就如同生物學(xué)上生物遺傳進(jìn)化的過程，主要有三個基本操作（或稱為算子）：選擇（Selection）、交叉（Crossover）、變異（Mutation）．遺傳算法基本步驟主要是：先把問題的解表示成“染色體”，在算法中也就是以二進(jìn)制編碼的串，在執(zhí)行遺傳算法之前，給出一群“染色體”，也就是假設(shè)的可行解．然后，把

7、這些假設(shè)的可行解置于問題的“環(huán)境”中，并按適者生存的原則，從中選擇出較適應(yīng)環(huán)境的“染色體”進(jìn)行復(fù)制，再通過交叉、變異過程產(chǎn)生更適應(yīng)環(huán)境的新一代“染色體”群．經(jīng)過這樣的一代一代地進(jìn)化，最后就會收斂到最適應(yīng)環(huán)境的一個“染色體”上，它就是問題的最優(yōu)解．下面給出遺傳算法的具體步驟，流程圖參見圖1：第一步：選擇編碼策略，把參數(shù)集合（可行解集合）轉(zhuǎn)換染色體結(jié)構(gòu)空間；第二步：定義適應(yīng)函數(shù)，便于計(jì)算適應(yīng)值；第三步：確定遺傳策略，包括選擇群體大小，選擇、交叉、變異方法以及確定交叉概率、變異概率等遺傳參數(shù)；第四步：隨機(jī)產(chǎn)生初始化群體；第

8、五步：計(jì)算群體中的個體或染色體解碼后的適應(yīng)值；第六步：按照遺傳策略，運(yùn)用選擇、交叉和變異算子作用于群體，形成下一代群體；第七步：判斷群體性能是否滿足某一指標(biāo)、或者是否已完成預(yù)定的迭代次數(shù)，不滿足則返回第五步、或者修改遺傳策略再返回第六步．產(chǎn)生初始群體是否滿足終止條件得到結(jié)果結(jié)束程序是否計(jì)算每個個體的適應(yīng)值以概率選擇遺傳算子選擇一個個體復(fù)制到新群