毕业论文资料
武汉理工大学硕士学位论文
第2章遗传算法理论
遗传算法(GeneticAlgorithms,简称GA)是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法。它是模仿自然界生物进化过程中“物竞天择,适者生存”的原理而进行的一种多参数、多群体同时优化方法。经过20多年的发展,遗传算法已经在数据挖掘、生产调度、函数优化、机器学习、图象处理等领域得到成功的应用,并显示出其良好的性能。现对遗传算法的形成和发展、基本原理、存在问题、研究方向及应用进行探讨。
2.1遗传算法的形成和发展
遗传算法起源于对生物系统所进行的计算机模拟研究。美国Michigan大学的Holland教授及其学生们受到生物模拟技术的启发,创造出了一种基于生物遗传和进化机制的适合于复杂系统优化的自适应概率优化技术一遗传算法。Holland教授用遗传算法的思想对自然和人工自适应系统进行了研究,提出了遗传算法的基本定理—模式定理(SchemaTheorem),并于1975年出版了第一本系统论述遗传算法和人工自适应系统的专著AdaptationNaturalandartificialSystems))。80年代,Holland教授实现了第一个基于遗传算法的机器学习系统,开创了遗传算法的机器学习的新概念。1967年,Holland的学生Bagley在其博士论文中首次提出了“遗传算法”一词,他发展了复制、交叉、变异、显性、倒位等遗传算子,在个体编码上使用双倍体的编码方法。
1975年,DeJong基于遗传算法的思想在计算机上进行了大量的纯数值函数优化计算实验,树立了遗传算法的工作框架,得到了一些重要且具有指导意义的结论。1989年,Goldberg出版了GeneticAIgorithminsearch,opfimizmionandMachineLeaking))一书,该书系统总结了遗传算法的主要研究成果,全面完整地论述了遗传算法的基本原理及其应用。1991年,Oavis出版了{HandbookofGeneticAlgorithm))一书,介绍了遗传算法在科学计算、工程技术和社会经济中的大量实例。1992年,Koza将遗传算法应用于计算机程序的优化设计及自动生成,提出了遗传编程(GeneticProgramming简称GP)的概念。【19】从遗传算法的整个发展看,70年代是兴起阶段,80年代是发展阶段,90年代是高潮阶段。遗