【优化算法】 简述遗传算法（GA）原理

• 【优化算法】简述遗传算法（GA）原理
• 【优化算法】简述灰狼优化算法（GWO）原理

---

前言

遗传算法GA（Genetic algorithm）由美国密西根大学 J. Holland 教授于90年代提出来的一种模拟生物进化规律而发展起来的优化方法的主要特点有：

较强的隐并行性和全局搜索能力；

基于概率化的寻优机制；

能自动保留较优解并指导优化的搜索方向，不需要依赖问题的数学特征规则。

遗传算法已被广泛应用于车间调度、图像处理、交通运输、信号处理、金融以及人工智能等领域。

---

算法核心要素

GA 有五大核也要素，分别为：编码和解码、种群初始化、适应度函数、遗传算子（包括选择、交叉、变异等）和遗传参数设置（种群规模、遗传算子的概率等）GA 的基本框架通常如图所示，具体操作步骤如下。

Step1 ：生成初始化种群 P(0)；

Step2：计算种群中每个个体的适应度值；

Step3；判断是否满足迭代停止条件，如满足则输出当前最优结果；否则转到Step4

Step4：种群更新操作，即对种群进行复制、交叉及变异等操作，产生出新一代种群 P(gen) ，gen=gen+1，转到Step2。

---