遗传算法解决全局优化(即为最值点如图中C,D),而局部最优解决的是极值点问题(如图中A,B)
1. 遗传算法流程;
生物 |
算法 |
物竞天择 |
选择、交叉、变异 |
适者生存 |
适应度 |
故遗传算法主要过程及流程图如下
1)编码(适应度函数,产生初始种群)
2)遗传算子(选择、交叉、变异)
3)繁衍种群
2. 参数初始化,编码阶段
假设目标函数为
a. 定义个体基因,基因是遗传密码,这里自变量就是基因所携带的信息,即用2进制来表示自变量的可能取值。基因序列的长度由自变量取值范围确定。
b. 定义适应度函数,目标函数是,适应度函数就定义为。
c. 由a,b可知,我们定义好了个体(基因)与适应度函数,现初始化种群,定义种群大小,及繁衍代数。
(1)M:种群规模
(2)T:遗传运算的终止进化代数
(3)Pc:交叉概率
(4)Pm:变异概率