现代智能优化算法遗传算法.pptx

简介1995毕业于东北电力学院，获学士学位年毕业于东北电力学院，获硕士学位年毕业于天津大学，获博士学位年UniveristyofStrathclyde博士后现代智能优化算法遗传算法第1页

当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TSGAACOPSOBCCOA混沌算法DE现代智能优化算法遗传算法第2页

遗传算法（GeneticAlgorithm,GA），是模拟达尔文遗传选择和自然淘汰生物进化过程计算模型。它是由美国Michigan大学J.Holland教授于1975年首先提出。其主要特点是群体搜索策略和群体中个体之间信息交换，搜索不依赖于梯度信息，尤其适合用于处理传统搜索方法难于处理复杂和非线性问题，可广泛用于组合优化、机器学习、自适应控制等领域，是21世界相关智能计算中关键技术之一。现代智能优化算法遗传算法第3页

GA四个基本条件1.存在由多个生物个体組成种群2.生物个体之间存在着差异，或全体含有多样性3.生物能够自我繁殖4.不一样个体含有不一样环境生存能力，含有优良基因结构个体繁殖能力強，反之則弱现代智能优化算法遗传算法第4页

GA--特点遗传算法以决议变量编码作为运算对象。传统优化算法往往直接利用决议变量实际值本身进行优化计算，但遗传算法不是直接以决议变量值，而是以决议变量某种形式编码为运算对象，从而能够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。传统优化算法往往不只需要目标函数值，还需要目标函数导数等其它信息。这么对许多目标函数无法求导或极难求导函数，遗传算法就比较方便。现代智能优化算法遗传算法第5页

GA--特点遗传算法同时进行解空间多点搜索。传统优化算法往往从解空间一个初始点开始搜索，这么轻易陷入局部极值点。遗传算法进行群体搜索，而且在搜索过程中引入遗传运算，使群体又能够不停进化。这些是遗传算法所特有一个隐含并行性。遗传算法使用概率搜索技术。遗传算法属于一个自适应概率搜索技术，其选择、交叉、变异等运算都是以一个概率方式来进行，从而增加了其搜索过程灵活性。实践和理论都已证实了在一定条件下遗传算法总是以概率1收敛于问题最优解。现代智能优化算法遗传算法第6页

达尔文1858年用自然选择来解释物种起源和生物进化，其自然选择学说包含以下三个方面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，九子各不一样。变异选择和积累是生物多样性根源；3适者生存含有适应性变异个体被保留下来，经过一代代生存环境选择作用，物种一代代进化，演变为新物种现代智能优化算法遗传算法第7页

GA基础术语染色体（Chromosome）生物细胞中含有一个微小丝状化合物。是遗传物质主要载体，由多个遗传基因组成DNARNAinthechromosome基因（gene）也称遗传因子，DNA或RNA长链中占有一定位置基本单位。生物基因数量依据物种不一样多少不一，从几个（病毒）到几万个（动物）。现代智能优化算法遗传算法第8页

GA基础术语基因座（locus）染色体中基因位置表现型（phenotype）由染色体决定性状外部表现基因型（genetype）与表现型亲密相关基因组成个体（individual）指染色体带有特征实体种群（population）一定数量个体集合现代智能优化算法遗传算法第9页

GA基础术语适应度（fitness）个体对环境适应程度进化（evolution）生物逐步适应其生存环境，使得其品质不停提升选择（selection）指决定以一定概率从种群中选择若干个体操作。普通而言，选择过程是一个基于适应度优胜劣汰过程复制（reproduction）细胞分裂时，遗传物质DNA经过复制转移到新细胞中，新细胞就继承了旧细胞基因现代智能优化算法遗传算法第10页

GA基础术语交叉（crossover）两个染色体某一相同位置处DNA被切断，其前后两串分别交叉组合形成两个新染色体变异（mutation）在细胞复制时，基因某个位发生某种突变，产生新染色体编码（coding）DNA中遗传信息按一定方式排列，也可看作从表现型到遗传型映射解码（decoding）从遗传型到表现型映射现代智能优化算法遗传算法第11页

GA三个基本算子复制／选择(Reproduction/Selection)依据每一物种适应程度来决定其在下一代中应被复制或淘汰个数多少轮盘式选择竞争式选择现代智能优化算法遗传算法第12页

GA三个基本算子—交叉交叉式一个提供个体间彼此交换信息机制，交叉过程主要是母代中较优良染色体作一些基因交换，预期产生更优良后代。普通常见交叉方式有： （1）单点交叉(On