要求

• 掌握遗传算法的原理
• 能够实现遗传算法解题的程序化
• 讲遗传算法应用到自己的工作中

一、遗传算法介绍

• 遗传算法：Genetic Algorithm。 生物在进化的过程中：
  不断繁殖
  生存竞争
  适者生存
  遗传和变异

• 生物遗传特点：
  分离规律
  自由组合规律
• 生物变异特点：
  基因重组
  基因突变
  染色体变异

二、遗传算法的研究对象

研究各种非线性、多变量、多目标、复杂的自适应性系统问题。

三、遗传算法的应用

• 实验数据处理
• 图像处理
• 数值拟合
• 固体材料的模型求数值解
• 人工生命设计研究

四、遗传算法的特征

• 智能式搜索
  依据适应度(目标函数)进行智能搜索。（不是盲目的搜索，也不是穷举式的搜索）
• 渐进式的优化
  利用复制、交换、突变等操作，使下一代结果优于上一代。（循环语句)
• 能够搜寻到全局最优解
  采用交换和突变操作产生新个体，使得搜索得到的优化结果逼近全局最优解。
• 黑箱式结构
  根据问题的特征进行编码（输入一些随机解特殊解）和确定适应度（输出），具有只考虑输入输出关系的黑箱式结构，并不深入研究输入和输出关系的原因。
• 通用性强
  不要求有明确的数学表达式，只需要定义一些简单的原则要求，可以应用于解决离散性问题、函数关系不明确的复杂问题。框架式算法，通用性算法。
• 并行式的运算
  每次迭代计算都是对群体中所有个体同时进行运算，是并行式计算方式，运算速度高。

五、遗传算法的基本特征举例1

f(x,y)=21.5+xsin(4pix)+ysin(20pi*y)

• 先随机产生一些初始解(第一代)。
• 运行到第五代，生命开始进化，解开始变优。局部最优解已经凸显。
• 运行到第十一代，全局最优解开始凸显。
• 运行到十六代，全局最优解求出。

六、遗传算法特征举例2

桁架结构优化问题

七、遗传算法的发展过程

有60多年的历史