对于最优化问题,目标函数和约束条件种类繁多,主要求最优解的方法有三种:枚举法、启发式算法、搜索算法。
遗传算法就是全局搜索算法。
遗传算法中最优解的搜索过程是模仿生物的进化过程,使用所谓的遗传算子(Genetic operators)作用于群体P(t)中,进行下述遗传操作,从而得到新一代群体P(t+1)。
生物是以集团的方式去进化的,那这个集团就称之为群体。群体的单元就称之为个体。
表1 生物遗传概念在遗传算法中的对应关系
| 生物遗传概念 | 遗传算法中的作用 |
|---|---|
| 适者生存 | 算法停止时,最优目标值的可行解有最大的可能被留住 |
| 个体 | 可行解 |
| 染色体 | 可行解的编码 |

本文介绍了遗传算法如何通过模拟生物进化过程,利用选择、交叉和变异算子求解最优化问题。通过实例演示了如何构造群体、个体和遗传算子在求解旅行商问题中的应用,以及Matlab代码实现步骤。
最低0.47元/天 解锁文章
3606

被折叠的 条评论
为什么被折叠?



