|
|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
遗传算法的概念最早是由Bagley J.D 于1967年提出的。后来Michigan大学的J.H.Holland教授于1975年开始对遗传算法(Genetic Algorithm, GA)的机理进行系统化的研究。遗传算法是对达尔文生物进化理论的简单模拟,其遵循“适者生存”、“优胜略汰”的原理。遗传算法模拟一个人工种群的进化过程,并且通过选择、杂交以及变异等机制,种群经过若干代以后,总是达到最优(或近最优)的状态。
( \1 l2 R. o, G: U# {0 |' K
) y6 \+ ^6 |0 [- z* R. n: x
D; h+ b8 f5 s' A5 Z自从遗传算法被提出以来,其得到了广泛的应用,特别是在函数优化、生产调度、模式识别、神经网络、自适应控制等领域,遗传算法更是发挥了重大的作用,大大提高了问题求解的效率。遗传算法也是当前“软计算”领域的重要研究课题。% X1 i" Y& w- p0 a7 c; V) d
0 B. c; g+ Q Q S! i
; s4 \6 n9 J: [" S( O# z
本文首先结合MATLAB对遗传算法实现过程进行详细的分析,然后通过1个实际的函数优化案例对其应用进行探讨。
; f& c4 L1 I% E3 n8 B7 a4 ]
5 _$ e: g# H& P0 M7 K) G: p
9 w. k5 t1 s5 r" {6 k5 w- O1. 遗传算法实现过程
# t5 o7 J5 K$ p$ Q$ R$ M3 ]9 o# x0 S3 J4 w/ ~4 ]' `% A9 x! K
4 Y J! \9 J* P [* d. N7 O
+ ` B( m, p& k4 C6 O3 k3 Z$ ~8 Y" |* }- M, F( F
9 m9 U3 g" ?* S$ H$ |5 K8 l3 J
( f/ D3 k- `: y4 ^( d |
|