【文章內(nèi)容簡介】 、達爾文的自然選擇說 ? 遺傳（ heredity）：子代和父代具有相同或相似的性狀，保證物種的穩(wěn)定性； ? 變異（ variation）：子代與父代，子代不同個體之間總有差異，是生命多樣性的根源； ? 生存斗爭和適者生存：具有適應(yīng)性變異的個體被保留，不具適應(yīng)性變異的個體被淘汰。 自然選擇過程是長期的、緩慢的、連續(xù)的過程。 第四節(jié) 遺 傳 算 法 ? 自組織、自適應(yīng)和自學(xué)習(xí)性 在編碼方案、適應(yīng)度函數(shù)及遺傳算子確定后，算法將利用進化過程中獲得的信息自行組織搜索。 ? 本質(zhì)并行性 內(nèi)在并行性與內(nèi)含并行性 ? 不需求導(dǎo) 只需目標函數(shù)和適應(yīng)度函數(shù) ? 概率轉(zhuǎn)換規(guī)則 強調(diào)概率轉(zhuǎn)換規(guī)則，而不是確定的轉(zhuǎn)換規(guī)則 四、 遺傳算法的思路與特點 第四節(jié) 遺 傳 算 法 1. 適應(yīng)度計算： ? 按比例的適應(yīng)度函數(shù)（ proportional fitness assignment） ? 基于排序的適應(yīng)度計算（ Rankbased fitness assignment） ： ? 輪盤賭選擇（ roulette wheel selection） ? 隨機遍歷抽樣（ stochastic universal selection） ? 局部選擇（ local selection） ? 截斷選擇（ truncation selection） ? 錦標賽選擇（ tournament selection） 五、 遺傳算法的基本操作 第四節(jié) 遺 傳 算 法 3. 交叉或基因重組 實值重組（ real valued rebination）： ? 離散重組（ discrete rebination） ? 中間重組（ intermediate rebination） ? 線性重組（ linear rebination） ? 擴展線性重組（ extended linear rebination） 二進制交叉（ binary valued crossover）： ? 單點交叉（ singlepoint crossover） ? 多點交叉（ multiplepoint crossover） ? 均勻交叉（ uniform crossover） ? 洗牌交叉（ shuffle crossover） ? 縮小代理交叉（ crossover with reduced surrogate） 第四節(jié) 遺 傳 算 法 4. 變異 實值變異 二進制變異 第四節(jié) 遺 傳 算 法 Step1. 產(chǎn)生初始種群 Step2. 計算適應(yīng)度 0001100000 0101111001 0000000101 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011 （ 8） （ 5） （ 2） （ 10） （ 7） （ 12） （ 5） （ 19） （ 10） （ 14） 第四節(jié) 遺 傳 算 法 Step3. 選擇 個體 染色體 適應(yīng)度 選擇概率 累積概率 1 0001100000 8 2 0101111001 5 3 0000000101 2 4 1001110100 10 5 1010101010 7 6 1110010110 12 7 1001011011 5 8 1100000001 19 9 1001110100 10 10 0001010011 14 8 8＋ 5＋ 2＋ 10＋ 7＋ 12＋ 5＋ 19＋ 10＋ 14 5 8＋ 5＋ 2＋ 10＋ 7＋ 12＋ 5＋ 19＋ 10＋ 14 第四節(jié) 遺 傳 算 法 個體 染色體 適應(yīng)度 選擇概率 累積概率 1 0001100000 8 2 0101111001 5 3 0000000101 2 4 1001110100 10 5 1010101010 7 6 1110010110 12 7 1001011011 5 8 1100000001 19 9 1001110100 10 10 0001010011 14 第四節(jié) 遺 傳 算 法 在 0～ 1之間產(chǎn)生一個 隨機數(shù)： 個體 染色體 適應(yīng)度 選擇概率 累積概率 1 0001100000 8 2 0101111001 5 3 0000000101 2 4 1001110100 10 5 1010101010 7 6 1110010110 12 7 1001011011 5 8 1100000001 19 9 1001110100 10 10 0001010011 14 淘汰！ 淘汰！第四節(jié) 遺 傳 算 法 0001100000 1110010110 1100000001 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011 Step4. 交叉 0001100000 1110010110 1100000001 1001110100 1010101010 1110010110 1001011011 1001110100 1100000001 0001010011 0001 1110 100000 010110 111 100 0010110 1011011 10000 100111 0100 0001 1001110100 1100000001 1010101 0001010 010 011 第四節(jié) 遺 傳 算 法 Step5. 變異 0001100000 1110010110 1100000001 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011 0001 1110 100000 010110 111 100 0010110 1011011 10000 100101 0100 0001 1001110100 1100000001 1010101 0001010 010 011 0001100000 1110010110 1100000001 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011 0001 1110 100000 010110 111 100 0010110 1011011 10000 100111 0100 0001 1001110100 1100000001 1010101 0001010 010 011 第四節(jié) 遺 傳 算 法 Step6. 至下一代，適應(yīng)度計算 → 選擇 → 交叉 → 變異，直至滿足終止條件。 第四節(jié) 遺 傳 算 法 ? 函數(shù)優(yōu)化 是遺傳算法的經(jīng)典應(yīng)用領(lǐng)域 。 ? 組合優(yōu)化 實踐證明，遺傳算法對于組合優(yōu)化中的 NP完全問題非常有效 。 ? 自動控制 如基于遺傳算法的模糊控制器優(yōu)化設(shè)計、基于遺傳算法的參數(shù)辨識、利用遺傳算法進行人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計和權(quán)值學(xué)習(xí)等 。 六、 遺傳算法的應(yīng)用領(lǐng)域 第四節(jié) 遺 傳 算 法 ? 機器人智能控制 遺傳算法已經(jīng)在移動機器人路徑規(guī)劃、關(guān)節(jié)機器人運動軌跡規(guī)劃、機器人逆運動學(xué)求解、細胞機器人的結(jié)構(gòu)優(yōu)化和行動協(xié)調(diào)等 。 ? 組合圖像處理和模式識別 目前已在圖像恢復(fù)、圖像邊緣特征提取、幾何形狀識別等方面得到了應(yīng)用 。 ? 人工生命 基于遺傳算法的進化模型是