1、现代智能优化算法 遗传算法华北电力大学输配电技术研究所刘自发2008年 2月简 介 1995 毕业于东北电力学院，获学士学位 2000年毕业于东北电力学院，获硕士学位 2005年毕业于天津大学，获博士学位 2007年 Univeristy of Strathclyde 博士后现代智能优化算法遗传算法禁忌算法蚁群算法粒子群算法细菌算法混沌算法TSGA ACO PSO BC COA混沌算法DE 遗传算法（ Genetic Algorithm, GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它是由美国 Michigan大学的 J. Holland教授于 1975年首先提出的。 其
2、主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息，尤其适用于处理传统搜索方法难于解决的复杂和非线性问题，可广泛用于组合优化、机器学习、自适应控制等领域，是 21世界有关智能计算中的关键技术之一。 GA 四个基本条件 1.存在由多 个 生物 个体 組成的 种群 2.生物 个体 之 间 存在 着差异 ，或 全体 具有 多样性 3.生物能 够 自我繁殖 4.不同 个体 具有不同的 环境 生存能力，具有优良 基因 结构 的 个体 繁殖能力強，反之則弱GA - 特点 遗传算法以决策变量的编码作为运算对象。传统的优化算法往往直接利用决策变量的实际值本身进行优化计算，但遗传算法不是直接
3、以决策变量的值，而是以决策变量的某种形式的编码为运算对象，从而可以很方便地引入和应用遗传操作算子 遗传算法直接以目标函数值作为搜索信息。传统的优化算法往往不只需要目标函数值，还需要目标函数的导数等其它信息。这样对许多目标函数无法求导或很难求导的函数，遗传算法就比较方便。GA - 特点 遗传算法同时进行解空间的多点搜索。传统的优化算法往往从解空间的一个初始点开始搜索，这样容易陷入局部极值点。遗传算法进行群体搜索，而且在搜索的过程中引入遗传运算，使群体又可以不断进化。这些是遗传算法所特有的一种隐含并行性。 遗传算法使用概率搜索技术 。遗传算法属于一种自适应概率搜索技术，其选择、交叉、变异等运算都是
4、以一种概率的方式来进行的，从而增加了其搜索过程的灵活性。实践和理论都已证明了在一定条件下遗传算法总是以概率 1收敛于问题的最优解。达尔文 1858年用自然选择来解释物种起源和生物的进化，其自然选择学说包括以下三个方面 1 遗传 种瓜得瓜，种豆得豆。生物有了这个特征，物种才能稳定存在； 2 变异 一母生九子，九子各不同。变异的选择和积累是生物多样性的根源； 3 适者生存 具有适应性变异的个体被保留下来，通过一代代生存环境的选择作用，物种一代代进化，演变为新的物种GA的基础术语 染色体（ Chromosome） 生物细胞中含有的一种微小的丝状化合物。是遗传物质的主要载体，由多个遗传基因组成 DNA & RNA in the chromosome 基因 （ gene）也称遗传因子， DNA 或 RNA长链中占有一定位置的基本单位。生物的基因数量根据物种不同多少不一，从几个（病毒）到几万个（动物）。GA的基础术语 基因座 （ locus）染色体中基因的位置 表现型 （ phenotype）由染色体决定性状的外部表现 基因型 （ genetype）与表现型密切相关的基因组成 个体（ individual）指染色体带有特征的实体 种群（ population）一定数量个体的集合
