第七章 遗传算法与控制简介模拟进化计算（Simulated Evolutionary Computation) 是近十几年来信息科学、人工智能与计算机科学的一 大研究领域，由此所派生的求解优化问题的仿生类算 法（遗传算法、演化策略、进化程序），由于其鲜明 的生物背景、新颖的设计原理、独特的分析方法和成 功的应用实践，正日益形成全局搜索与多目标优化理 论的一个崭新分支。 遗传算法（Genetic Algorithm,简称GA）是通过模拟生 物进化过程来完成优化搜索的。 科学研究、工程实际与国民经济发展的众多问题可归结为“ 最大效益、最小代价”这类典型的优化模型。求解这类模型 导致寻求某个目标函数（有解析表达式或无解析表达式） 在特定区域上的最优解，传统的建立在梯度计算基础上的 非线性规划类方法，当目标函数仅具有单极点时，通常表 现出较高的计算效率，但当目标函数具有多极值点时，由 于其本身固有的局部优化性及不稳健等缺陷，而被广泛认 为不适于全局优化问题的求解。近二十年来，人们相继发 展了许多求解全局优化问题的方法，一般可分为确定型与 非确定型（如随机搜索）算法。Monto-Carlo方法及
