机械优化遗传算法GA.ppt

遗传算法原理与应用
唐慧丰
2006 年 5 月
报告提纲
一、遗传算法概述
二、遗传算法原理
三、遗传算法的应用
一、遗传算法概述
1、智能优化算法
2、基本遗传算法
3、遗传算法的特点
1、智能优化算法
智能优化算法又称为现代启发式算法,是一种具有全局优化性能、通用性强、且适合于并行处理的算法。这种算法一般具有严密的理论依据,而不是单纯凭借专家经验,理论上可以在一定的时间内找到最优解或近似最优解。
常用的智能优化算法
(1)遗传算法
(ic Algorithm, 简称GA)
(2)模拟退火算法
(Simulated Annealing, 简称SA)
(3)禁忌搜索算法
(Tabu Search, 简称TS)
……
智能优化算法的特点
它们的共同特点:都是从任一解出发,按照某种机制,以一定的概率在整个求解空间中探索最优解。由于它们可以把搜索空间扩展到整个问题空间,因而具有全局优化性能。
遗传算法起源
遗传算法是由美国的J. Holland教授于1975年在他的专著《自然界和人工系统的适应性》中首先提出的,它是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。
遗传算法的搜索机制
遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子(选择、交叉和变异)对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止。
2、基本遗传算法
基本遗传算法(Simple ic Algorithms,简称SGA,又称简单遗传算法或标准遗传算法),是由Goldberg总结出的一种最基本的遗传算法,其遗传进化操作过程简单,容易理解,是其它一些遗传算法的雏形和基础。
基本遗传算法的组成
(1)编码(产生初始种群)
(2)适应度函数
(3)遗传算子(选择、交叉、变异)
(4)运行参数