下料排版算法python_完美排版--基于Pyth实现的遗传算法课程设计

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。