遗传算法详解
遗传算法 1.简要概述 在几十亿年的演化过程中,自然界中的生物体已经 形成了一种优化自身结构的内在机制,它们能够不 断地从环境中学习,以适应不断变化的环境。对于大多数生物体,这个过程是通过自然选择和有性生殖来完成的。自然选择决定了群体中哪些个体 能够存活并繁殖,有性生殖保证了后代基因的混合 与重组。 演化计算(Evolutionary Computation, EC)是在达尔文(Darwin)的进化论和孟德 尔(Mendel)的遗传变异理论的基础上产生的一种在 基因和种群层次 上 模拟自然界生 物进化过程与机制,进行问题求解的自组织、自适应的随机搜索技术 。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则,并结合孟德尔的遗 传变异理论,将生物进化过程中的繁殖(Reproduction)、变异(Mutation)、竞争 (Competition)、选择(Selection)引入到了算法中,是一种对人类智能的演化模拟方法演化计算的主要有 遗传算法、演化策略、演化规划和遗传规划 四大分支。其中,遗传算 法是演化计算中最初形成的一种具有普遍影响的模拟演化优化算法。 遗传算法简称GA(Genetic Algorithms)是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种 并行随机搜索最优化方法 。