遗传算法理论及应用

人工智能,算法,遗传算法

44

内蒙古石油化工　　　　　　　　　　2006年第9期　

遗传算法理论及其应用发展

α

王志美,陈传仁

(长江大学地球物理与石油资源学院,荆州　434023)

　　摘　要:遗传算法是现在地球物理勘探中应用广泛的一种最优化搜索方法。文章综合概述了遗传算法的基本原理方法和发展方向,从该方法的可实现过程方面对其进行了分析,介绍了遗传算法的遗传过程、发展现状及其应用前景。

关键词:遗传算法;染色体;最优解1　基础理论

遗传算法(GeneticAlgorithm,GA)是1975年由美国学者Holland提出的,它是一种模拟自然选择和遗传学理论,一种最优化高效搜索算法。,,它对目标它将问题域中的可能解看作是群体的一个个体或染色体,并对每一个个体用二进制表示法或浮点数表示法进行编码,实现模型的参数化,把代表模型集参数空间中的每一点都一一映射到染色体空间的染色体上,对群体反复进行基于遗传学的操作,根据预定的目标函数对每个个体进行评价,经过基本的遗传操作过程,并反复迭代不断优化繁殖以产生新的一代,不断得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,求得满足要求的最优解。

遗传算法的几个基本概念:

①染色体(Chromosome)GA时,需要,它的每一位,每uon):每代所产生的染色体总合。

③适应度(Fitness):每个个体对应一个具体问题的解,每个解对应的函数值即为适应函数,它是衡量染色体对环境适应度的指标,也是反映实际问题的目标函数。2　计算方法

用遗传算法求解的过程是根据待解问题的参数集进行编码,随机产生一个种群,计算适应函数和选择率,

进行选择、交叉、变异等遗传操作,如果满足迭代收敛条件,这个种群为最好个体,否则,对产生的新一代群体重新进行遗传操作,往复循环直到满足条件。其模型原理如图1所示。

图1　遗传算法搜索原理图

　　基本的遗传操作有:

①选择(Select),按一定的概率从上代群体中选择M对个体作为双亲,直接拷贝到下一代,染色体不发生变化。一种最常用也最简单的选择概率计算公式为:

Ps(xi)=f(xi) 2f(xi)

i

其中f(xi)为模型xi的适值。

②交叉(Crossover)是从旧的种群中随机选择两个个体,交换遗传信息,产生后代的过程。

③变异(Mutation)即产生新基因的过程,对选

α收稿日期:2006-05-06

作者简介:王志美(1984-),女,长江大学地球物理与石油资源学院硕士研究生。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库遗传算法理论及应用在线全文阅读。