遗传算法及其发展状况研究应用.doc

相关遗传算法文件综述 班级：13级机械(4)班 学号：9 姓名：元志斌 关键词：遗传算法，编码，搜索，优化，交叉，遗传 摘要：遗传算法是一个基于生物进化自然选择和群体遗传机理，适合于复杂系统优化自适应概率优化技术，多年来，因为遗传算法求解复杂优化问题巨大潜力和在工业工程领域成功应用，这种算法受到了中国外学者广泛关注，本文介绍了遗传算法研究现实状况和发展前景，概述了它理论和技术，并对遗传算法发展情况发表了自己见解。 Abstract:Genetic?algorithm?is?a?kind?of?natural?selection?and?based?on?biological?evolution?of?genetic?mechanism,?group?suitable?for?complex?system?optimization?adaptive?probability?optimization?technique,?in?recent?years,?because?genetic?algorithm?for?solving?complex?optimization?problem?in?the?huge?potential?and?the?successful?application?of?industrial?engineering,?this?algorithm?was?wide?attention?of?scholars?at?home?and?abroad,?this?paper?introduces?the?current?research?status?and?development?of?genetic?algorithm,?summarizes?the?prospect?of?its?theory?and?technology?of?genetic?algorithm?and?the?development?of?published?opinions?of?his?own. 引言 遗传算法Genetic?Algorithm（GA）是由美国密歇根大学John?H.?Holland教授及其学生于20世纪60年代末到70年代初提出。它是以达尔文自然进化论“适者生存、优胜劣汰”和孟德尔遗传变异理论为基础，模拟生物进化过程。它含有大范围快速全局搜索能力，能在搜索过程中自动获取和积累相关搜索空间知识，并自适应地控制搜索过程以求最优解。正是遗传算法很多特点，使得它在求解组合优化、机器学习、并行处理等问题上得到了广泛应用。一般遗传算法是经过模拟染色体群选择、交叉和变异等操作，不停迭代，最终收敛到高适应度值染色体，从而求得问题最优解。?不过伴随问题规模扩大，组合优化问题搜索空间急剧扩大，一般遗传算法收敛速度慢、易陷入局部最优缺点就暴露了。而佳点集遗传算法正是经过佳点集方法改善交叉算子，加紧算法收敛到全局最优解速度，降低发生早熟概率，提升整个算法计算效率。 中国外相关研究现实状况 遗传算法鼻祖是美国Michigan大学Holland教授及其学生。她们受到生物模拟技术启发，发明了一个基于生物遗传和进化机制适合于复杂系统优化自适应概率优化技术——遗传算法。1967年，Holland学生Bagley在其博士论文中首次提出了“遗传算法”一词，她发展了复制、交叉、变异、显性、倒位等遗传算子，在个体编码上使用双倍体编码方法。Holland教授用遗传算法思想对自然和人工自适应系统进行了研究，提出了遗传算法基础理论——模式定理（Schema?Theorem）并于1957年出版了第一本系统叙述遗传算法和人工自适应系统专著《Adaptation?in?Natural?and?Artificial?Systems》。20世纪80年代，Holland教授实现了第一个基于遗传算法机器学习系统，开创了遗传算法机器学习新概念。1975年，De?Jong基于遗传算法思想在计算机上进行了大量纯数值函数优化计算试验，建立了遗传算法工作框架，得到了部分关键且含有指导意义结论。1989年，Goldberg出版了《Genetic?Algorithm?in?Search，Optimization?and?Machine?Learning》一书，系统地总结了遗传算法关键研究结果，全方面完整叙述了遗传算法基础原理及其应用。1991年，David出版了《Handbook?of?Genetic?Algorithms》一书，介绍了遗传算法在科学计算、工程技术和社会经济中大量实例。1992年，Koza将遗传算法应用于计算机程序优化设计及自动生成，提出了遗传编程（Genetic?Programming，简称GP）概念。在控制系统离线设计方面遗传算法被众多使用者证实是有效策略。比