遗传算法
1、起源与发展
起源(20世纪40年代):
从生物学的角度进行生物的进化过程 模拟、遗传过程等研究工作。
产生(20世纪60年代):
1962年,Fraser提出自然遗传算法。
1965年,Holland首次提出人工遗传操作的重要性。
1967年,Bagley首次提出遗传算法这一术语。
1970年,Cavicchio把遗传算法应用于模式识别中。
1971年,Hollstien在论文《计算机控制系统中人工遗传自适应 方法》中阐述了遗传算法用于数字反馈控制的方法。
1975年,Holland出版《Adaption in Natural and Artificial System》,阐述了遗传算法的基本理论和方法,提出模式定理 及其证明,奠定了遗传算法的理论基础;
1975年,DeJong 完成重要论文《遗传自适应系统的行为分 析》,进行了大量纯数值函数优化计算实验,建立De Jong 五函 数测试平台。
发展 ( 20世纪80年代后) :
1983年,Holland的学生Goldberg将遗传算法用于管道煤气系 统的优化。
1989年,Goldberg出版《搜索、优化和机器学习中的遗传算 法》,奠定了现代遗传算法的科学基础。
1991年,Davis出版《遗传算法手册》一书,为推广和普及遗 传算法的应用起到了重要的指导作用。
1992年,Koza将遗传算法应用于计算机程序的优化设计及自 动生成,提出遗传编程的概念。
2、基本概念
遗传算法的基本思想是从初始种群出发,采用优胜劣汰、 适者生存的自然法则选择个体,并通过杂交、变异来产生新 一代种群,如此逐代进化,直到满足目标为止。
遗传算法所涉及到的基本概念主要有以下几个:
种群(Population)
种群是指用遗传算法求解问题时, 初始给定的多个解的集合。遗传算法的求解过程是从这个子集开始的。
个体(Individual)
个体是指种群中的单个元素,它通常 由一个用于描述其基本遗传结构的数据结构来表示。例如, 可以用0、1组成的长度为l的串来表示个体。
染色体(Chromosome)
染色体是指对个体进行编码后 所得到的编码串。染色体中的每1位称为基因,染色体上由 若干个基因构成的一个有效信息段称为基因组。
适应度(Fitness)函数
适应度函数是一种用来对种群中 各个个体的环境适应性进行度量的函数。其函数值是遗传 算法实现优胜劣汰的主要依据。
遗传操作(Genetic Operator)
遗传操作是指作用于种 群而产生新的种群的操作。标准的遗传操作包括以下3种基 本形式:
– 选择(Selection)
– 杂交(Crosssover)
– 变异(Mutation)
3、基本算法流程图
4、代码分析
4.1 Rastrigrin()函数
函数:y = f(xi) = ∑ i = 1 n [ x i 2 − 10 c o s ( x π x i ) + 10 ] \displaystyle\sum_{i=1}^{n} [x_i^2-10cos(xπx_i)+10] i=1∑n[xi2−10cos(xπxi)+10],xi∈[-5.12,5.12]
该函数是个多峰值的函数,在(x1,x2,x3…xn)=(0,0,…,0)处取得全局最小值0,在{xi∈(-5.12,5.12),i = 1,2,3…n}范围内大约有10n个极小点。此函数是一种典型的非线性的多模态函数,峰形呈高低起伏不定跳跃性的出现。
function y = Rastrigin(x)
% Rastrigin函数
% 输入x,给出相应的y值,在x = ( 0 , 0 ,…, 0 )处有全局极小点0.
% 编制人:
% 编制日期:
[row,col] = size(x);
if row > 1
error( ' 输入的参数错误 ' );
end
y =sum(x.^2-10*cos(2*pi*x)+10);
%y =-y;
4.2 Schaffer()函数
函数 y = f(x1,x2) = 0.5-[(sin ( x 1 2 + x 2 2 \sqrt (x_1^2+x_2^2 (x12+x22