遗传算法基本理论及实例[汇编] .pdfVIP

精品文档 目录 _ 一、遗产算法的由来 . 2 二、遗传算法的国内外研究现状 . 3 三、遗传算法的特点 . 5 四、遗传算法的流程 . 7 五、遗传算法实例 12 六、遗传算法编程 17 七、总结 错误 ! 未定义书签。 附录一：运行程序 19 . 精品文档 遗传算法基本理论与实例 一、遗产算法的由来 遗传算法（ Genetic Algorithm ，简称 GA）起源于对生物系统所进行的计算 机模拟研究。 20 世纪 40 年代以来，科学家不断努力从生物学中寻求用于计算科 学和人工系统的新思想、 新方法。很多学者对关于从生物进化和遗传的激励中开 发出适合于现实世界复杂适应系统研究的计算技术——生物进化系统的计算模 型，以 及模 拟进 化过 程的算 法进 行了 长期 的开拓 性的 探索 和研 究。 John H.Holland 教授及其学生首先提出的遗传算法就是一个重要的发展方向。 遗传算法借鉴了达尔文的进化论和孟德尔、 摩根的遗传学说。 按照达尔文的 进化论，地球上的每一物种从诞生开始就进入了漫长的进化历程。 生物种群从低 级、简单的类型逐渐发展成为高级复杂的类型。 各种生物要生存下去及必须进行 生存斗争， 包括同一种群内部的斗争、 不同种群之间的斗争， 以及生物与自然界 无机环境之间的斗争。 具有较强生存能力的生物个体容易存活下来， 并有较多的 机会产生后代； 具有较低生存能力的个体则被淘汰， 或者产生后代的机会越来越 少。，直至消亡。达尔文把这一过程和现象叫做“自然选择，适者生存” 。按照孟 德尔和摩根的遗传学理论， 遗传物质是作为一种指令密码封装在每个细胞中， 并 以基因的形式排列在染色体上，每个基因有特殊的位置并控制生物的某些特性。 不同的基因组合产生的个体对环境的适应性不一样， 通过基因杂交和突变可以产 生对环境适应性强的后代。 经过优胜劣汰的自然选择， 适应度值高的基因结构就 得以保存下来， 从而逐渐形成了经典的遗传学染色体理论， 揭示了遗传和变异的 . 精品文档 基本规律。 遗传算法由美国的 John H.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、