毕业论文资料
武汉理工大学硕士学位论文
十进制编码通常采用单位置或多位置替换式变异,即用另一种基因替换某一位置上或某些位置上原先的基因。
实数编码中通常采用扰动式变异,即对原先个体附加一定机制的扰动来实现变异。
2.4遗传算法的特点
遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法,它与传统的算法不同,大多数古典的优化算法是基于一个单一的度量函数(评估函数)的梯度或较高次统计,以产生一个确定性的试验解序列,遗传算法不依赖于梯度信息,而是通过模拟自然进化过程来搜索最优解,它利用某种编码技术,作用于称为染色体的数字串,模拟由这些串组成的群体的进化过程。遗传算法通过有组织地、随机地信息交换来重新组合那些适应性好的串,生成新的串的群体。遗传算法的特点是:p6J
1.自组织、自适应和自学习性(智能性)。应用遗传算法求解问题时,在编码方式、适应度函数及遗传算子确定后,算法将利用进化过程中获得的信息自行组织搜索。由于基于自然的选择策略为“适者生存,不适者被淘汰”,因而适应度大的个体具有更适应环境的基因结构,再通过基因重组和基因突变等操作,就可能产生更适应环境的后代。进化算法的这种自组织、自适应特征,使它同时具有能根据环境变化来自动发现环境的特征和规律的能力。自然选择消除了算法设计过程中的一个最大的障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施。因此,利用遗传算法的方法,我们可以解决那些复杂的非结构化问题。
2.并行搜索特性。遗传算法按并行方式搜索一个种群数目的所有点,而不是单点。它的并行性表现在两个方面,一是遗传算法是内在并行的(inherentparallelism),即遗传算法本身非常适合大规模并行。最简单的并行方式是让几百甚至数千台计算机各自进行独立种群的演化计算,运行过程中甚至不进行任何通信(独立的种群之间若有少量的通信一般会带来更好的结果),等到运算结束时才通过比较、选择最佳个体。这种并行处理方式对并行系统结构没有什么限制和要求,可以说,遗传算法适合在目前所有的并行机或分布式系统上进行并行处理,而且对并行效率没有太大影响。二是遗传算法的内含并行性(implicit