遗传算法实验手册
1.
实验任务
利用
python
实现遗传算法,求最小值
2.
背景知识:
1
、遗传算法概论
遗传算法
(
GA
)
可能是最早开发出来的模拟生物遗传系统的算法模型。
它首先由
Fraser
提出,后来有
Bremermann
和
Reed
等人
再次提出。最后,
Holland
对遗传算法做了大量工作并使之推广,因此被认
为是遗传算法的奠基人。遗传算法模拟了基因进化,在这
个模型中,个体的性状通过基因型表达。选择算子(模拟适者生存)与交叉
算子(模拟繁殖),是遗传算法的主要驱动算法。
2
、遗传算法的基本运算过程如下:
a)
初始化:设置进化代数计数器
t=0
,设置最大进化代数
T
,随机生成
M
个
个体作为初始群体
P(0)
。
b)
个体评价:计算群体
P(t)
中各个个体的适应度。
c)
选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传
到下一代或通过配对交叉产生新的个体再遗传到下一代。
选择操作是建立在群体
中个体的适应度评估基础上的。
d)
交叉运算:将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算
子。
e)
变异运算:将变异算子作用于群体。即是对群体中的个体串的某些基因座
上的基因值作变动。
群体
P(t)
经过选择、交叉、变异运算之后得到下一代群体
P(t+1)
。
f)
终止条件判断:若
t=T,
则以进化过程中所得到的具有最大适应度个体作为
最优解输出,终止计算。