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。