第九章遺傳算法-資料下載頁
2025-10-02 21:50本頁面
【導(dǎo)讀】學(xué)的教授及其學(xué)生和同事發(fā)展起來的。“遺傳算法”一詞。Holland指導(dǎo)學(xué)生完成了多篇有關(guān)遺傳算法研究的論文。法用于函數(shù)優(yōu)化。2．1975年是遺傳算法研究歷史上十分重要的一年。此有人把1975年作為遺傳算法的誕生年。該理論首次確認(rèn)了結(jié)構(gòu)重組遺。傳操作對于獲得隱并行性的重要性。盡管DeJong和Hollstien一樣主要。等新的遺傳操作技術(shù)。4．進入八十年代，遺傳算法迎來了興盛發(fā)展時期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。該書總結(jié)了遺傳算法研究的主要成果，對。遺傳算法及其應(yīng)用作了全面而系統(tǒng)的論述。此外，以遺傳算法的理論基礎(chǔ)。Algorithms，該會也是從1990年開始隔年召開一次。onSignalProcessing》等雜志上發(fā)表。目前，關(guān)于遺傳算法研究的熱潮仍在持續(xù)，若干個基因組成染色體，染色體中的位置。決定了生物個體的性狀。染色體對應(yīng)的是數(shù)據(jù)或數(shù)組，通常是由一維的串的結(jié)構(gòu)數(shù)據(jù)來表現(xiàn)的。2．群體一定數(shù)量的個體組成了群體。群體中個體的數(shù)目稱為群體規(guī)模，各個體對環(huán)境的適應(yīng)程度稱為適應(yīng)度。
【正文】 (1) 遺傳算法 收斂性 的研究 遺傳算法源于自然選擇和生物遺傳學(xué) ， 相對于其鮮明的生物基礎(chǔ) ， 遺傳算法的理論基礎(chǔ)公認(rèn)是不完善的 。 各種改進的遺傳算法的收斂速度估計是當(dāng)前遺傳算法理論研究中的一個難點 ， 目前尚無任何結(jié)果 ， 這也是當(dāng)前最迫切需要解決的問題之一 ， 因為它能從理論上對遺傳算法的任何修正形式提供評判標(biāo)準(zhǔn) ， 以指明改進遺傳算法效能的正確方向 。 (2) 優(yōu)化搜索方法 的研究 迄今為止，優(yōu)化問題的求解仍在遺傳算法研究中站很大比重，諸如 TSP等組合優(yōu)化問題一直是遺傳算法十分活躍的研究課題。盡管遺傳算法比其它傳統(tǒng)搜索方法有更強的魯棒性，但它更善長全局搜索，而局部搜索能力卻不足。為此，除了要進一步改進基本理論和方法外，還要采用和人工神經(jīng)網(wǎng)絡(luò)、模擬退火技術(shù)、專家系統(tǒng)以及混沌理論等其它方法相結(jié)合的策略。 (3) 學(xué)習(xí)系統(tǒng)的遺傳算法 研究 基于遺傳算法的機器學(xué)習(xí)是當(dāng)前遺傳算法研究的一個重要內(nèi)容 。 這一新的研究課題把遺傳算法從歷來離散的搜索空間的優(yōu)化搜索算法擴展到具有獨特的規(guī)則生成功能的嶄新的機器學(xué)習(xí)算法 。 這一新的學(xué)習(xí)機制對于解決人工智能中的知識獲取和知識優(yōu)化精練的瓶頸難題帶來了希望 。 (4) 遺傳算法的 并行分布處理 隨著遺傳算法應(yīng)用的深入發(fā)展 ， 并行分布遺傳算法及其實現(xiàn)的研究越來越為人們所重視 。 遺傳算法由于執(zhí)行群體性操作 ， 所以本質(zhì)上具有很好的并行分布處理特性 。 (5) 人工生命 與遺傳算法的研究 人工生命所涉及的生命現(xiàn)象包括生命的起源、自我增殖、自適應(yīng)遺傳進化和免疫等。遺傳算法與人工生命這一嶄新的研究領(lǐng)域正在不斷滲透。目前已有一些學(xué)者對生態(tài)系統(tǒng)的演變、食物鏈的維持以及免疫系統(tǒng)的進化等，利用遺傳算法作了生動的模擬。 (6) 遺傳算法和 進化規(guī)劃 、 進化策略 的比較與結(jié)合 進化規(guī)劃（ Evolutionary Programming， EP）和進化策略 (Evolution Strategies, ES)幾乎是和遺傳算法同時獨立發(fā)展起來的，同遺傳算法一樣，它們也是模擬自然界生物進化機制的智能計算方法，既同遺傳算法具有相同之處也有各自的特點。進入九十年代，這三種方法才開始彼此交流。目前，關(guān)于這三種方法之間的比較研究和彼此結(jié)合的探討正在形成熱點。 Related Papers Jinping Li, Jianqin Yin, et al. Combination of geic algorithm and local search algorithms. Journal of Computational Information System, 2020, 2(3): 11191126. 李金屏，韓延彬，孫志勝?；煦鐑?yōu)化算法性能分析。 小型微型計算機系統(tǒng) 。 2020,26(8): 13401344。 李金屏，李素昉，楊波?；谛∩乘惴ê途垲惙治龅目焖偈諗窟z傳算法。 小型微型計算機系統(tǒng) 。 2020, 25(6): 975978. 史奎凡，董吉文，李金屏等。正交遺傳算法。 電子學(xué)報 。 2020, 30(10):15011504. 李金屏，何苗，劉明軍，楊波。提高 BP小波神經(jīng)網(wǎng)絡(luò)收斂速度的研究。 模式識別與人工智能 。 2020, 15(1): 2835 李金屏，何苗，楊波。遺傳算法平均截止代數(shù)和成功率與種群規(guī)模之間的關(guān)系。 系統(tǒng)仿真學(xué)報 (增刊 ),2020, , 206210
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1