改進(jìn)遺傳算法的研究現(xiàn)狀分析

《改進(jìn)遺傳算法的研究現(xiàn)狀分析》由會(huì)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(kù)。

1、改進(jìn)遺傳算法的研究現(xiàn)狀分析改進(jìn)遺傳算法的研究現(xiàn)狀分析作考：馬姣姣單位：碩計(jì)算機(jī)101班研究方向：恢入式電話：15100210163郵箱：majiao515@126摘要：遺傳算法是全局優(yōu)化自適應(yīng)概率搜索算法，它有智能尋優(yōu)，魯棒性等優(yōu)點(diǎn)，但也存在早收斂，結(jié)果不精確等不足。因此許多學(xué)者提出了一些改進(jìn)措施來(lái)彌補(bǔ)遺傳算法的缺點(diǎn)。木文對(duì)近些年來(lái)出現(xiàn)的改進(jìn)遺傳算法進(jìn)行了簡(jiǎn)要介紹，并對(duì)其優(yōu)缺點(diǎn)進(jìn)行了評(píng)述。關(guān)鍵詞：遺傳算法；改進(jìn)遺傳算法；變異；收斂Abstract:Geneticalgorithmisaglobaloptimizationadaptiveprobabilitysearchalgo

2、rithm.Ithasintelligentoptimization,robustnessandotheradvantages.Butthereareprematureconvergence,theresultsarenotaccurateandsoon.Somanyscholarsputforwardsomeimprovementmeasurestomakeupfortheshortcomingsofgeneticalgorithm.Thispaperappearsbrieflyintroduceamodifiedgonoticalgorithmcominginrecenty

3、earsanddiscussetheadvantagcsanddisadvantages.Keywords:geneticalgorithm;improvedgeneticalgorithm;convergenee;variation1、引言遺傳算法是自起源到當(dāng)今已經(jīng)得到了普遍認(rèn)可，它為我們解決實(shí)際問(wèn)題提供了一個(gè)很好的方法，但其自身還存在不足，因此許多學(xué)者嘗試對(duì)遺傳算法進(jìn)行改進(jìn)以更好地解決實(shí)際問(wèn)題。遺傳算法是由美國(guó)的教授于年在他的專著《自然界和人工系統(tǒng)的適應(yīng)性》屮首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法。遺傳算法是全局優(yōu)化口適應(yīng)概率搜索算法，是模擬自

4、然選擇和自然遺傳過(guò)程中發(fā)生的繁殖交叉和基因突變現(xiàn)象。在每次迭代中都保留一組候選解。并按某種指標(biāo)從解群屮選取較優(yōu)的個(gè)體。利用遺傳算子，選擇，交叉和變異對(duì)這些個(gè)體進(jìn)行組合產(chǎn)生新一代的候選解群，重復(fù)此過(guò)程直到滿足某種收斂指標(biāo)為止。遺傳算法對(duì)一個(gè)個(gè)體解的好壞用適應(yīng)度函數(shù)值來(lái)評(píng)價(jià),適應(yīng)度函數(shù)值越大，其解的質(zhì)量越好。而適應(yīng)度函數(shù)是遺傳算法進(jìn)化過(guò)程的驅(qū)動(dòng)力，也是進(jìn)行自然選擇的唯一標(biāo)準(zhǔn)。它的設(shè)計(jì)應(yīng)結(jié)合求解問(wèn)題木身的耍求而定，遺傳算法所使川選擇運(yùn)算來(lái)實(shí)現(xiàn)對(duì)群體屮的個(gè)體進(jìn)行優(yōu)勝劣汰操作。適應(yīng)度高的個(gè)體被遺傳到下一代群體中的概率大，選擇操作就是按某種方法從父代群體中選取一些個(gè)體，遺傳到下一代群體；基

5、本遺傳算法中采用的選擇算子是輪盤賭選擇方法，遺傳算法要實(shí)現(xiàn)全局收斂。首先要求任意初始種群經(jīng)有限步都能到達(dá)全局最優(yōu)解，其次算法必須有保優(yōu)操作來(lái)防止最優(yōu)解的遺失，與算法收斂性有關(guān)的因素主要包括種群規(guī)模選擇操作，交叉概率和變異概率。2、遺傳算法的產(chǎn)生與發(fā)展早在50年代，-?些生物學(xué)家開始研究運(yùn)用數(shù)字計(jì)算機(jī)模擬生物的自然遺傳與自然進(jìn)化過(guò)程；1963年，德國(guó)柏林技術(shù)大學(xué)的T.Rechenberg和H.P.Schwefel,做風(fēng)洞實(shí)驗(yàn)時(shí),產(chǎn)生了進(jìn)化策略的初步思想；60年代，L.J.Fogel在設(shè)計(jì)有限態(tài)H動(dòng)機(jī)時(shí)提出進(jìn)化規(guī)劃的思想；1966年Fogel等岀版了《基于模擬進(jìn)化的人T智能》，系統(tǒng)

6、闡述了進(jìn)化規(guī)劃的思想；60年代中期，美國(guó)Michigan大學(xué)的J.H.Holland教授提出借鑒生物自然遺傳的基本原理用于自然和人工系統(tǒng)的自適應(yīng)行為研究和串編碼技術(shù)；1967年，他的學(xué)生J.D.Bagley在博士論文中首次提出"遺傳算法(GeneticAlgorithms)一詞；1975年,Hollandth版了著名的"AdaptationinNaturalandArtificialSystemsv,標(biāo)志遺傳算法的誕生。70年代初，Holland捉出了“模式定理”(SchemaTheorem),一般認(rèn)為是“遺傳算法的基木定理”，從而奠定了遺傳算法研究的理論基礎(chǔ)；1985年，在美

7、國(guó)召開了第一屆遺傳算法國(guó)際會(huì)議，并且成立了國(guó)際遺傳算法學(xué)會(huì)(TSGA,InternationalSocietyofGeneticAlgorithms)；1989年，Holland的學(xué)生D.J.Goldherg出版了"GeneticAlgorithmsinSearch,Optimization,andMachineLearning”,對(duì)遺傳算法及其應(yīng)用作了全而而系統(tǒng)的論述；1991年，L.Davis編輯岀版了《遺傳算法手冊(cè)》，其中包括了遺傳算法在工程技術(shù)和社會(huì)生活M'大量的應(yīng)用實(shí)例。3、遺傳算