遗传算法（GA）

本文是对最近遗传算法学习的一个总结，简单介绍遗传算法的工作原理及注意事项：

1 遗传算法的几个概念

函数  ，其中为n维向量。

染色体：一个染色体就是函数定义域内的一个向量，因而染色体也是n维向量。

基因：染色体内的分量为基因，即为染色体的一个基因。

种群：m个染色体的集合称为种群，即。

变异：对应于生物中的基因突变，即对人为施加一个扰动量。变异后产生一个新的染色体。

交叉：将两个染色体某一位置的基因互换，从而产生两个新的染色体。

选择：对新产生的染色体进行评价，并进行选择，优胜劣汰。

 

2 遗传算法工作流程图

遗传算法模拟了自然界中种群的进化方法，主要包括变异、交叉、选择三大部分，计算流程如图所示。

3 遗传算法实现

（1） 交叉：

交叉有两种方法：竞争法和轮盘法。个人感觉竞争法更易于实现，所以选用竞争法。

从种群中随机选出一个染色体，准备与当前染色体完成交叉；

在染色体上随机选一位置，交换两条染色体上对应位置的基因，完成交叉。

（2） 变异：

变异的实现方法为：

式中：表示变异之后的基因，表示变异前的基因， 是随机数， 为当前迭代次数或者是染色体代数，表示总的迭代次数或者总的染色体代数。

（3）选择：

当完成交叉和变异后，已产生出了新的一代种群，下面需要对新种群进行自然选择。

首先计算各染色体的适应度，找出最大适应度和最小适应度。

以一定比例，将适应度较小的染色体杀掉，即用最优的前个染色体直接替换最差的后个染色体。

经过选择后的种群即是最终的新一代种群。