1、遗传算法（Genetic Algorithm）Natural Computing 1、算法起源 2、基本术语和遗传算子 3、模式定理 4、遗传算法的应用算法起源 遗传算法（简称GA）的基本思想起源于生物体的遗传进化。生物的进化是发生在作为生物体结构编码的染色体上，染色体主要是由DNA和蛋白质组成，其中DNA又是最主要的遗传物质，它储存着遗传信息，可以准确地复制，也能够发生突变，并可通过控制蛋白质的合成而控制生物的性状。 生物的遗传特性，使生物界的物种能够保持相对的稳定；生物的变异特性，使生物个体产生新的性状，以至于形成了新的物种，推动了生物的进化和发展。 遗传算法正是模拟这一过程，通过向自然学
2、习来求解问题。算法起源 1975年，美国Michigan大学的Holland教授出版了 遗传算法的 一本， 着遗传算法的 生。 80年 ，遗传算法 了 应用 。 1989年，D.J.Goldberg出版了 的 作，对遗传算法作了 的 ，确 了遗传算法的基 。 基本遗传算法是一种 算法， 用编码 术作用于称为染色体（chromosome）的 进制 ，模拟由这组成的体的进化过程。于自然进化，遗传算法通过作用于染色体上的基，currency1的染色体来求解问题。遗传算法通过“组的然而是的信息fifl来 新结合应性的。是一算法，又 是简的动，它可以“ 用“的信息来 “”解质 的。自然界相，遗传算法对求
3、解问题本一 ，它要的是对算法产生的个染色体进，并基于应 来染色体，使应性的染色体应性的染色体“的 。基本术语和遗传算子定 1 解 问题的解变 用 种编码 术编制成特定形式的 ，称这个 为染色体（chromosome）； 的 码称为基（gene）（基本 中， 用 进制编码），的 为染色体的 定 2 由一定 的 染色体组成的合称为一个种（population）；相应的染色体称为种的一个个体（individual）定 3 拟定的 对个体性质的一种 ，称为个体的应 应 （fitness）基本术语和遗传算子定 4 对个个体进基fl，产生个新个体的 作，称为fi fi 算（crossover）定 5 对个
4、体的 基进变，产生新个体的 作，称作变异 算（mutation）定 6 种中出 的个体，使“作为 一 的 作，称作 算（selection）， 复制 算（reproduction）基本遗传算子以 进制编码为fi ）X = 1 0 0 1 1 0 1 0 0; X = 0 1 0 1 1 0 1 0 0; Y = 0 1 0 1 1 1 0 1 1； Y = 1 0 0 1 1 1 0 1 1 ；fi X = 1 0 0 1 1 0 1 0 0; X = 0 1 0 1 1 0 0 1 1 ; Y = 0 1 0 1 1 1 0 1 1； Y = 1 0 0 1 1 1 1 0 0 ；X” =
5、1 0 0 1 1 1 1 0 0; Y” = 0 1 0 1 1 0 0 1 1；基本遗传算子以 进制编码为变异 ）X = 1 0 0 1 1 0 1 0 0; X = 1 0 1 1 1 0 1 0 0; Y = 0 1 0 1 1 1 0 1 1； Y = 1 1 0 1 1 1 0 1 1 ；变异X = 1 0 0 1 1 0 1 0 0; X = 1 1 0 1 0 0 1 0 1 ; Y = 0 1 0 1 1 1 0 1 1； Y = 1 0 0 1 1 1 1 1 1 ；基本遗传算子以 进制编码为个体复制 轮原则）设种规模为4个体 fitness X1 1 1/12 X2 X1
6、X2 2 1/6 X3 X3X3 3 1/4 X4 X3X4 6 1/2 X4 X4X4X3 X2X1Roulette Wheel Selection准遗传算法（SGA）考虑全局 化问题（P） maxf(x)x DR nR1遗传算法基于以 条基本策略求解问题（P）（a）对于给定的 f ，它使用 f 的任一应 （fl言，一个 域非负、 f “相极的 ）；（b）它 直接作用于实向 x，而是作用于x的 种编码（最常见的为定 进制 编码）。以，对于取定 f 的任一应F和固定 为L的 进制 编码，遗传算法实质上是通过求解组合 化问题（P） maxF(x)x S来求解问题（P）的，这里S=0，1L为D的编码空间（ D中“实变 的 为L的 进制 编码全体）。
