1.1 课题背景
科学理论研究与实践中，往往存在着这样一类问题，就是需要众多的方案中确定最优方案的标准，并且给出寻找最优方案的方法，此类问题就称为优化问题。目前对于一些简单的情况，科学工作者已经研究出了比较成熟的算法和方法。但是，对于一些复杂的系统，他们往往感到力不从心，努力寻找更加有效的方法。
20世纪40年代以来，学者注意到生物在自然演化过程中表现出强大的适应能力，生物不断复制优势遗传基因，改善群体的适应性，得到具有很强适应性的优良物种。遗传算法正是建立在自然演化系统理论研究基础之上的一类优化方法。本文来自辣%文,论'文.网，毕业论文 www.751com.cn 加7位QQ324~9114找原文作为一类有效的的全局优化搜索算法，遗传算法具有以下特点：(1)使用群体搜索技术，具有隐含并行性，提高了算法的运行效率；(2)使用基于目标函数值的评价信息，不需要目标函数的代数表达式；(3)具有很强的稳定性，提高了结果的可信度；(4)简单通用，便于与其他方法结合成混合算法。
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。
通过遗传算法科学家还衍生了几种基于遗传算法的优化算法：如顺序选择遗传算法、适值函数标注的遗传算法等。他们各有各自的特点与其适应的函数。
当然，除了遗传算法，Matlab还有许多经典的优化算法：粒子群算法、蚁群算法。
粒子群优化算法的基本思想是将优化问题的每一个解称为一个粒子。定义一个符合度函数来衡量每个粒子解的优越程度。每个粒子根据自己的两个最优解，从而达到从全空间搜索最优解的目的。与遗传算法比较，粒子群算法的信息共享机制是很不同的。在遗传算法中，染色体互相共享信息，所以整个种群的移动是比较均匀的向最优区域移动。在PSO中, 只有给出信息给其他的粒子， 这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。与遗传算法比较, 在大多数的情况下，所有的粒子可能更快的收敛于最优解。
蚁群优化算法是意大利学者Dorigo等人在20世纪90年代通过模拟蚁群觅食行为而提出的一种新型进化算法。该算法是继神经网、遗传算法、模拟退火算法、粒子群算法、免疫算法等仿生搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。由于蚁群算法采用分布式并行计算机制，具有较强的鲁棒性，容易与其它算法结合等优点，一经提出，立即受到各个领域学者的重视，展开了对其的研究。目前蚁群算法已经被广泛的应用于求解旅行商问题、网络路径最优问题、聚类、分类等领域。但对蚁群算法的具体实现却较少有文献提及。
本论文主要分别介绍了遗传基本算法以及其优化算法，并分析其中的优劣。
1.2遗传算法的特征及其应用
遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。
遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] 下一页