1.2 国内外研究现况与水平
1.3 发展趋势
第二章 遗传算法各类算法的概述
2.1 遗传算法概述
遗传算法是一种模仿生物种群进化的优化算法,它符合生物进化的随机性和变异性。遗传算法可看做是解决优化问题中最初始的种群,而这个种群是解决这个问题的解集,它可以看做是一系列已经经过编码的基因个体的集合,而我们可以将这些个体想象成是具有染色体的实体。在生物学中,染色体是在生物进化中担当遗传物质载体的角色,而基因的不同排列组合将决定个体形状的不同外部表现。
而映射编码工作在GA算法中主要担当从将表现型转换成基因型。当然仿照基因编码难度大,工作量重而且大,我们通常选择对其进行简化,例如将其改换成二进制编码。而与生物进化相似,在设定完最初的种群后,符合进化原则适者生存和优胜劣汰的规则,通过不断的进化和淘汰来逐渐得到最好的近似解。
在种群的每一个个代,适应度的大小来决定个体是否符合这个问题的解,然后通过交叉变异这两个基本操作来产生问题的更优化的新的解集的种群。
这样一个对于问题的求解过程就如同生物的自然进化一样,初始种群产生的后代种群总是能比初代更适应环境,而这样代代循环,最终产生最完美的末代,而这个末代通过解码就可以演变成这个问题的近似最优解,从而解决最优化问题。
遗传算法经过代代的认知学和不断的完善发展后可以概括为三个基本操作: 选择、交叉和变异。这些操作都是遗传算法独特的一面,而通过对于这些基本的操作不同的方式方法的处理会产生不同类型的遗传算法。