遗传算法

遗传算法

一、基本思想

遗传算法通过模拟自然界中生物的遗传进化过程，对优化问题的最优解进行搜索。从初始种群出发，采用优胜略汰的方式选择个体，经过选择保存下来的群体构成种群，通过杂交、变异产生新一代种群取代原来的群体，逐代进化，直至满足目标为止。

二、算法流程

1. 初始化规模为N群体，随机生成染色体每个基因的值
2. 采用评估函数对群体中所有染色体进行评价，分别计算每个染色体的适应值，保存适应值最大的染色体Best
3. 采用轮盘赌选择算法对染色体进行选择操作，产生规模同样为N的种群
4. 按照概率pc从种群中选择染色体进行交配。每两个进行交配的父代染色体，交换部分基因，产生新的子代染色体，子代染色体取代父代染色体进入新的种群，没有进行交配的染色体直接复制进入新种群。
5. 按照概率pm对新种群中染色体的基因进行变异操作。变异后的染色体取代原有染色体进入新群体，未发生变异的染色体直接进入新群体。
6. 重新计算群体中各个染色体的适应值。倘若群体中的最大适应值大于Best的适应值，则更新Best。
7. 当前进化代数+1，如果进化代数超过最大进化代数或Best达到规定的误差要求，算法结束；否则返回步骤3

染色体编码方式：二进制编码

二进制编码方法产生的染色体是一个二进制符号序列。假设问题定义的有效解取值空间为[U_min,U_max]${}^D$，其中D是有效解的变量维数，使用L位二进制符号表示解的一维变量。其中U_min对应的实际取值为0000…0000，U_max对应的实际取值为1111…1111，X_LX_L-1…X₂X₁对应的实际取值是U_min+
$(U_{max}-U_{min}){\sum }_{j-1}^n{X}_j{2}^{j-1}/2^L-1$

选择操作

种群的选择操作使用轮盘赌选择算法，先根据每个染色体的适应值得到种群中所有染色体的适应值总和，并分别计算每个染色体的适应值与群体适应值总和的比。每转动一次轮盘，轮盘停止时指针停留的区域对应的染色体即被选中进入种群。

杂交操作

在交配阶段，每个染色体能否进行交配由交配概率pc决定，其具体过程为：对于每个染色体，如果随机值小于pc，则表示可进行交配，否者染色体不进行交配直接复制到新种群中。

变异操作

染色体的变异作用于基因之上，与杂交类似，对于染色体中的每一位基因，能够变异的概率取决于变异概率pm，如果随机值小于pm，则改变基因，否则保持不变。

三、分析不同的评估函数

1.Rastrigin评估函数

function y = Rastrigin(x)
% Rastrigin函数
% 输入x,给出相应的y值,在x = ( 0 , 0 ,…, 0 )处有全局极小点0.
[row,col] = size(x);
if  row > 1 
    error( ' 输入的参数错误 '