遗传算法基础——matlab

本文介绍了遗传算法的基础,包括生物学原理和理论基础,如模式定理和积木块假设。详细阐述了遗传算法的基本概念,如变异和交叉操作,并通过一个简单的优化问题实例展示了遗传算法的流程和应用。
摘要由CSDN通过智能技术生成

引言


遗传算法是模拟生物在自然环境中的遗传和进化的过程而形成的自适应全局优化搜索算法。

遗传算法能有效的求解NP(非确定行多项式)问题以及非线性、多峰函数优化和多目标优化问题。

其本质是一种并行、高效、全局搜索的方法,它能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应的控制搜索过程以求得最优解。

遗传算法的生物学基础


达尔文的生存斗争中适者生存、不适者淘汰的自然选择过程,遗传与变异是决定生物计划的内在因素。遗传能使生物的性状不断的传送给后代,变异能够使生物的性状发生改变,从而适应新的环境而不断地向前发展。

遗传物质的主要载体是染色体,基因是有遗传效应的片段,存储着遗传信息,可以准确的复制,也能够发生突变。生物体通过对基因的复制和交叉,使其性状的遗传得到选择和控制。同时,通过基因重组、基因变异、和染色体在结构和数目上的变异产生丰富多彩的变异现象。

生物遗传与进化的规律有:

  1. 生物的所有遗传信息都包含在其染色体中,染色体决定了生物的性状。染色体是由基因及其有规律的排列构成。
  2. 生物的繁殖过程是由其基因的复制过程来完成的。同源染色体的交叉或变异会产生新的物种,使生物呈现新的性状。
  3. 对环境适应能力强的基因或染色体比适应能力差的基因或然的题更有机会遗传到下一代。

遗传算法理论基础


模式定理

模式:描述种群中在位串的某些确定位置上具有相似性的位串自己的相似性模板(一串字符)。

模式阶定义:模式H中确定位置的个数。

定义距定义:在模式H中

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值