计算智能——遗传算法

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(x_i) = $\sum _{i=1}^n[x_i^2-10cos(x\pi x_i)+10]$,x_i∈[-5.12,5.12]

该函数是个多峰值的函数，在（x₁,x₂,x₃…x_n）=（0，0，…,0）处取得全局最小值0，在{x_i∈（-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 $\sqrt{(}{x}_1^2+x_2^2$