查看: 3426|回复: 6

[其他资源] 遗传算法

字体大小: 正常放大

wdgltj

5 主题	6 听众	78 积分

升级 76.84%

该用户从未签到

电梯直达

1^#

发表于 2009-9-2 23:17 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

精心搜集遗传算法的教案，希望能给大家带来帮助

遗传算法教案.rar

724.82 KB, 下载次数: 72, 下载积分: 体力 -2 点

zan

转播0 淘帖0 分享0 收藏0 支持0 反对0 微信

使用道具举报

南沙群岛

0 主题	4 听众	62 积分

升级 60%

该用户从未签到

2^#

发表于 2009-9-2 23:38 |只看该作者 |招呼Ta 关注Ta

什么是遗传算法啊？

我也说一句

发表

使用道具举报

wdgltj

5 主题	6 听众	78 积分

升级 76.84%

该用户从未签到

3^#

发表于 2009-9-3 12:31 |只看该作者 |招呼Ta 关注Ta

2# 南沙群岛

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。

　　遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。

更具体的请见http://baike.baidu.com/view/45853.htm