遗传算法原理及应用

论述遗传算法原理在机械工程的应用

在计算机时代，解决科学与工程问题的手段主要是程序与优化算法，求全局最大主峰重要的是找到主峰以及爬峰的速度，即寻优，最常采取的办法有穷举法，但这种方法在寻优过程中只承认当前的最优值而摒弃其余信息，造成了信息的极大浪费，于是人们开始探索一种更为合适的办法，以求寻找最优值过程的高效性，同时保证算法简便而且通用性更强，遗传算法在众多算法中脱颖而出。

1 GA（遗传算法）原理

遗传算法就是一种以事物的自然属性和遗传属性为基础，通过计算机对生物进化规律进行模拟以寻优的一种算法，将寻优的范围与遗传空间相对应，把每一种可能的值通过二进制码进行编码，如同染色体一样，形成的字符串相当于基因，然后按预期的结果对每一组编码进行评价，选出最合适的一个值。算法一开始是提出一些问题的解，然后根据要求对这些解进行选择，重新拆解组合，去掉不合适的，留下最优值，由此形成的便是新值，如此往复，继承与改良，这便是GA算法。由以上我们可以看出GA算法并不是简单的重复，而是属于一种螺旋式的上升过程，是不断向更好的方向“进化”的，在淘汰与择优中趋于稳定。

2 GA算法的数学基础和算子

2.1 GA算法的数学基础

图式定理是GA算法的数学基础，图式定理是Holland提出的，它在一定程度上解释了GA算法强大的数据信息处理能力，由定理我们能看出，经过不断地复制和交叉变异，在第一代中包含的编码数量H可以用如下公式表示：

m（H，t+1）≥m（H，t）（N（H）/FAV）[1-PC·（〥（H）/（L-1））-O（H）·Pm]

（1）

如以遗传学讲，其中m（H，t）和m（H，t+1）分别代表第t代和第t+1代种群数量，N代表图式H中染色体适应能力的平均水平，FAV代表种群中包含的染色体的适应力的平均水平，交叉比率用PC表示，变异比率用Pm表示，图式的长度用〥表示，OH是H的确定参数，即阶，染色体长度用L表示。

2.2 GA算法的算子

第１１卷第４期　２ＯＯ２年１０月　云南民族学院学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｙｕｎｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｆｏｒ　Ｎａｔｉｏｎａｌｉｔｉｅｓ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅｓ　Ｅｄｉｔｉｏｎ）　Ｖｏ１．１１．Ｎ０．４　Ｏｃｔ．２０ｏ２　

遗传算法及其应用　

余建坤　，　张文彬　陆玉昌　

（１．清华大学智能与系统国家重点实验室，北京，１０００８４；　２．蒙自师范高等专科学校计算机科学系，蒙自，６６１１００）　

摘要遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法．文章介绍了遗传算　法的形成发展和基本原理，对其特点、存在问题、研究方向及应用进行探讨．　关键词遗传算法；　分类系统；　神经网络；　数据挖掘　【中图分类号］ＴＰ２７３　【文献标识码】Ａ　【文章编号】１００５－－７１８８｛２１）Ｙ２）０４—０１９３—０５　

遗传算法（Ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ，简称ＧＡ）ｌ１　Ｊ是一种　

借鉴生物界自然选择和自然遗传机制的高度并行、　随机、自适应搜索算法．它是模仿自然界生物进化过　程中“物竞天择，适者生存”的原理而进行的一种多　

参数、多群体同时优化方法．经过２０多年的发展，遗　传算法已经在数据挖掘、生产调度、函数优化、机器　学习、图象处理等领域得到成功的应用，并显示出其　良好的性能．现对遗传算法的形成和发展、基本原　理、存在问题、研究方向及应用进行探讨．　

１遗传算法的形成和发展　

遗传算法起源于对生物系统所进行的计算机模　拟研究．美国Ｍｉｃｈｉｇａｎ大学的Ｈｏｌｌａｎｄ教授及其学生　门受到生物模拟技术的启发，创造出了一种基于生　物遗传和进化机制的适合于复杂系统优化的自适应　

概率优化技术——遗传算法．　Ｈｏｌｌａｎｄ教授用遗传算法的思想对自然和人工　

自适应系统进行了研究，提出了遗传算法的基本定　理——模式定理（Ｓｃｈｅｍａ　１１１ｅｏＩ踟），并于１９７５年出　版了第一本系统论述遗传算法和人工自适应系统的　专著（Ａｄａｐｔａｔｉｏｎ　ｉｎ　Ｎａｔｕｒａｌ　ａｎｄ　ａｒｔｉｆｉｃｉａｌ　Ｓｙｓｔｅｍｓ）），８０年　

论 文

题 目： 遗传应用算法

院 系： 计算机工程系

专 业： 网络工程

班级学号：

学生姓名：

2014年10月23日

摘 要: 遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。本

文在简要介绍遗传算法的起源与发展、算法原理的基础上,对算法在优化、拟合

与校正、结构分析与图谱解析、变量选择、与其他算法的联用等方面的应用进行

了综述。该算法由于无需体系的先验知识,是一种全局最优化方法,能有效地处

理复杂的非线性问题,因此有着广阔的应用前景。

关键词: 遗传算法; 化学计量学; 优化

THEORY AND APPL ICATION OF GENETIC AL GORITHM ABSTRACT: Genetic Algo

rithm( GA) is a kind of recursive computational

procedure based on the simulation of principle principles of evaluati

on of living organisms in nature1Based on brief int roduction of the

principle ,the beginning and development of the algorithms ,the pape

r reviewed its applications in the fields of optimization ,fitting an

d calibration,structure analysis and spectra interpretation variable

selection ,and it s usage in combination with othersThe application o

f GA needs no initiating knowledge of the system ,and therefore is a

遗传算法介绍

［ 作者：nova 转贴自：本站原创 点击数：5956 更新时间：2004-3-30 文章录入：admin ］

遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借

用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性

的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次

提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方

面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构

和参数进行编码，一般用字符串表示，这个过程就将问题符号化、离散化了。也有在连续

空间定义的GA(Genetic Algorithm in Continuous Space, GACS)，暂不讨论。

一个串行运算的遗传算法(Seguential Genetic Algoritm, SGA)按如下过程进行：

(1) 对待解决问题进行编码；

(2) 随机初始化群体X(0):=(x1, x2, … xn)；

(3) 对当前群体X(t)中每个个体xi计算其适应度F(xi)，适应度表示了该个体的性能好

坏；

(4) 应用选择算子产生中间代Xr(t)；

(5) 对Xr(t)应用其它的算子，产生新一代群体X(t+1)，这些算子的目的在于扩展有限

个体的覆盖面，体现全局搜索的思想；

(6) t:=t+1；如果不满足终止条件继续(3)。

GA中最常用的算子有如下几种：

(1) 选择算子(selection/reproduction): 选择算子从群体中按某一概率成对选择个

体，某个体xi被选择的概率Pi与其适应度值成正比。最通常的实现方法是轮盘赌(roulett

e wheel)模型。