最优化计算方法.doc

最优化计算方法---遗传算法 1 遗传算法的历史简介 二十世纪六十年代，I.Rechenberg在他的《演化战略》中第一次引入了进化算法的思想（起初称之为Evolutionsstragegie）。他的这一思想逐渐被其他一些研究者发展。遗传算法（Genetic Algorithms） 是John Holland 发明的，后来他和他的学生及他的同事又不断发展了它。终于，在1975年John Holland 出版了专著《自然系统和人工系统中的自适应》（Adaptation In Natural and Artificial Systems）。 1992年，John Koza 曾经使用遗传算法编出新的程序去做一些具体的工作。他称他的这种方法为“进化规划”（Genetic Programming，简称GP）。其中使用了LISP规划方法，这是因为这种语言中的程序被表示为“分析树”（Parse Tree），而这种遗传算法就是以这些分析树为对象的。 2 生物学与进化论背景 1）基因 所有的生物都是由细胞组成的。在每一个细胞中都有想同序列的染色体。染色体是一串DNA的片断，它为整个有机体提供了一种复制模式。 染色体是由基因组成的，或者说染色体就是一块块的基因。每一个基因为一个特定的蛋白质编码。或者更简单的说，每一个基因为生物体的某一特定特征编码，比如说眼睛的颜色。所有可能的某一特定特征的属性（比如：蓝色，桔黄色等）被称之为等位基因。每一个基因在染色体上都有其特定的位置，这个位置一般被称作位点（Locus）。 全部序列的基因物质（或者全部的染色体）称之为基因组（或染色体组）（Genome）。基因组上特定序列的基因被称作基因型（Genotype）。基因型和后天的表现型两者是有机体的显性、生理和心理特征。比如说眼睛的颜色、智力的基础。 2）复制（Reproduction） 在复制中，首先发生的是交叉（Crossover）。来自于父代的基因按照一定的方式组成了新的基因。新的子代还可能发生变异（Mutation）。变异的意思是DNA上的某一些成分的基因复制中出现的误差。 3）生物的进化（Evolution） 进化是发生在作为生物体结构编码的染色体上，通过对染色体的译码部分地生成生物体。人们现在还不完全清楚染色体的编码和译码过程的细节，但下面几个关于进化理论的一般特性已广为人们所接受： ① 进化过程是发生在染色体上，而不是发生在它们所编码的生物体上。 ② 自然选择把染色体以及由它们所译成的结构的表现联系在一起，那些适应性好的个体的染色体经常比差的个体的染色体有更多的繁殖机会。 ③ 繁殖过程是进化发生的那一刻。变异可以使生物体子代的染色体不同于它们父代的染色体.通过结合两个父代染色体中的物质，重组过程可以在子代中产生有很大差异的染色体。 ④ 生物进化没有记忆。有关产生个体的信息包含在个体所携带的染色体的集合以及染色体编码的结构之中，这些个体会很好地适应它们的环境。 大多数生物体是通过自然选择和有性生殖这两种基本过程进行演化的。自然选择决定了群体中哪些个体能够存活并繁殖；有性生殖保证了后代基因中的混合和重组。比起那些仅包含单个亲本的基因拷贝和依靠偶然的变异来改进的后代，这种由基因重组产生的后代进化要快得多。自然选择的原则是适应者生存，不适应者淘汰。 自然进化的这些特征早在“年代就引起了美国Michigan大学的Join Holland的极大兴趣，那时，他和他的学生们己在从事如何建立能学习的机器的研究。Holland注意到学习不仅可以通过单个生物体的适应而且通过一个种群的许多代的进化适应也能发生。受达尔文进化论---适者生存的启发，他逐渐认识到，在机器学习的研究中，为获得一个好的学习算法，仅靠单个策略的建立和改进是不够的，还要依赖于一个包含许多候选策略的群体的繁殖。他们的研究想法起源于遗传进化，Holland就将这个研究领域取名为遗传算法，一直到1975年Hol1and出版了那本颇有影响的专著《Adaptation In Natural and Artificial Systems》，遗传算法这个名称才逐渐为人所知。 3 遗传算法概述 1）遗传算法的主要特征 我们的目的是获得“最好解”，可以把这种任务看成是一个优化过程。对于小空间，经典的穷举法就足够了；而对大空间，则需要使用特殊的人工智能技术。遗传算法(Genetic Algorithm)是这些技术中的一种，它是一类模拟生物进化过程而产生的由选择算子、杂交算子和变异算子三个基本算子组成的全局寻优算法。它从一个初始解族出发，由选择算子选出性状好的父本，由杂交算子进行杂交运算，变异算子进行少许变异，在一定概率规则控制下随机有哪些信誉好的足球投注网站模型空间。一代代进化，直到最终解族对应的误