遗传算法
遗传算法(Genetic Algorithm)是由美国的J.Holland教授于1975年首先提出。它是模拟达尔文进化理论和自然界优胜劣汰的机制进行全局最优解搜索的启发式优化算法。遗传算法从问题的一个种群(可行解)开始,种群中的每个个体都具有基因编码,代表了个体的特征,也决定了个体在自然界中的表现,也就是个体的适应度。自然界中的基因编码与组合十分复杂,在遗传算法用于实际问题的求解中我们往往对基因的编码过程进行简化,例如进行二进制编码。在产生初代种群后,GA根据个体的适应度模拟自然选择,并通过个体间基因的交叉和变异产生新的种群。这个过程的不断迭代更新保证后产生的种群将比之前的种群具有更高的适应度,最终产生的具有最高适应度的个体通过解码就将作为问题的近似解。
GA的特点
- 直接对结构对象操作,无需函数求导和连续性的限定
- 全局搜索能力强
- 自适应的调整搜索方向和搜索空间
- 可并行