遗传算法读书笔记

遗传算法读书笔记                        
-读《人工智能导论》（王万良）有感在近代的几百年间，我们从大自然的现象中学习到了无数富有价值的推理，像是飞机的飞行，由萤火4102虫发明了人工冷光，根据鱼的来潜浮方法发明的潜水艇......数不胜数 ，而今天在我阅读人工智能导论时我发现了一种神奇的算法，一种根据以达尔文的进化论思想为核心，依托自然选择而改良出的算法在如今有着相当广泛的应用。
中学时大家都学过生物中的自然选择，生物进化是通过繁殖，变异，竞争和选择实现的，而进化算法则主要通过选择，种族和变异这三种操作来实现优化问题的求解，书中让我印象深刻的一句话是“适应程度高的并不一定进入种群，只是进入种群的可能性比较大，而适应程度低的并不一定淘汰，只是进入种群的可能性比较小”，因为这种的特性可以保证种群的多样性。
遗传算法中最重要的基本要素是参数编码，初始种群的设定，适应度函数的设计，遗传操作设计和控制参数设定。
这其中相当重要的是适应度函数，因为这是进行自然选择的唯一依据，但是又因为一般种群的规模大小在20-100之间，远远小于真正大自然界的生物物种规模，所以必须限制适应度高的个体出现，因为一旦出现，这个个体在群体中的比例会急速上升，从而导致算法较早的收敛到一个局部最优点，在这基础上，我们可以用线性变换来降低适应度之间的差距，保持种群多样性。甚至用非线性变换也能达到这一要求。 而当选择的时候，判断个体优良与否的准则是各个个体的适应度值，适应度越高，被选择的概率越大，但是不是适应度高就一定能被选上繁殖后代。并且我们需要注意的是，并不能总是挑选适应度高的个体，那样很快会达到局部最优解，如果只用随机算法，那么甚至都不会收敛，所以我们要选一个折中的算法，既要使得种群较快的收敛，也要维持种群的多样性，我们可以通过排序或者适应度比例的方法来调整选取的个体，使得适应值不至于快速上升或干脆不上升。
而自然选择最著名的就是大名鼎鼎的染色体交叉，正是因为有了交叉，我们作为人的个体才会如此独一无二，因为我们的染色体在世界上只要不是双胞胎，那么两个人几乎不可能拥有完全相同的基因。而遗传算法中的交叉算子正是用于基因重组的，能够让子串部分或者全部的继承父串的结构特征与有效基因。现在遗传算法可以说是独当一面，能够有效解决我们目前工业上遇到的许多问题，比如流水车间调度问题，城市不对成问题等等，而现在的大牛们也在前人的基础上不断地改进，或许有一天，我们也会成为大牛，成为人类前进中的一颗小小齿轮，推动着人类社会朝着遥远的未来前进。