建模的国赛里面,纵观12-17年国赛一等奖以及特等奖论文,100%的概率论文里面有高级算法的存在,而70%的概率遗传算法都会出现,之所以它这么受欢迎,一方面是因为它求解复杂方程的实用性,另一方面也因为它作为一种智能优化算法,其求解的正确性随着迭代次数增加而增加,虽然同样求解极值时也可以用lingo/lindo来用,但是用GA(遗传算法)的话可以解决更为复杂的问题,所以尽管有时候可以用lingo来解,但是如果用GA来解,这篇论文就会更加容易得奖。因此得奖论文里它的影子屡见不鲜也就不足为奇了。7 S3 c" d% z2 s2 j
# x& x' x; }6 \4 q1 W; N
遗传算法的本质其实就是一种优化算法,当决策变量10多个或者更多时,而且目标函数不是整数次幂,用它可以求出的精度达到0.0001,借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法,能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以求得最佳解。
% D# @' G1 f1 x" N, Z- \- {4 `' `' Q- ]; b* b
首先来了解一下遗传算法的生物学基础:
$ ], ~9 R' `0 m; W- A- u: B! ~1 G
5 I+ U6 a- s c1 n3 c 在一定的时间里,有一群兔子,其中一些比另外一些兔子跑得快,而且更聪明,这些兔子被狐狸吃掉的可能性比较小,因此它们中的多数就存活下来并繁殖更多的兔子。当然,一些跑得慢而愚蠢的兔子也会存活下来,只是因为它们比较侥幸,这些存活的兔子群开始生育。生育的结果是兔子遗传材质的充分融合:一些跑得慢的兔子生出了跑得快的兔子,一些跑得快的兔子生出跑得更快的,一些聪明的兔子生出了愚蠢的兔子,等等。在最顶层,自然界不时地变异些兔子的基因材质。所产生的小兔子平均来说要比原始的群体更快更聪明,因为从狐狸口中生存下来的父代多数是跑得更快、更聪明的兔子。同样,狐狸也经历相似的过程,否则兔子可能跑得太快又太聪明以致狐狸根本抓不到了。兔子的生存哲学就是以自然选择学说为核心的现代生物进化理论,其基本观点是:种群是生物进化的基本单位,生物进化的实质是种群基因频率的改变。基因突变和基因重组、自然选择及隔离是物种形成过程的三个基本环节,通过它们的综合作用,种群产生分化,最终导致新物种的形成。在这个过程中,基因突变和基因重组产生生物进化的原材料,自然选择使种群的基因频率定向改变并决定生物进化的方向,隔离是新物种形成的必要条件新物种形成的途径和方式有两种:渐变式和爆发式。渐变式主要通过变异的逐渐积累而成亚种,再由亚种形成一个或多个新种,新种又分为两种类型,即继承式新种形成和分化式新种形成;爆发式不通过亚种这一阶段而迅速形成新的物种,其分为三种类型,即杂交产生新种,染色体结构变化形成新种和多倍体化的新种形式。遗传算法杂交了渐变式和爆发式的两种思想。" t2 D7 d* V/ ]2 ^& f9 ^8 C i
3 |5 B8 p& L/ d$ l; |
总而言之就是通过遗传算法就是找到一个很贴近的全局最优解,而不是我们一般说的某个区间上的最优解。" _ q" c% B5 f
I+ w' t9 W7 O+ h# k遗传算法的实现过程 我们把函数曲线理解成一个一个山峰和山谷组成的山脉。那么我们可以设想所得到的每一个解就是一只袋鼠,我们希望它们不断的向着更高处跳去,直到跳到最高的山峰(尽管袋鼠本身不见得愿意那么做)。所以求最大值的过程就转化成一个“袋鼠跳”的过程。 % \$ K: H; u9 c! \' a7 C! e( s. u
遗传算法的实现过程实际上就像自然界的进化过程那样。首先寻找一种对问题潜在解进行“数字化”编码的方案。(建立表现型和基因型的映射关系)然后用随机数初始化一个种群(那么第一批袋鼠就被随意地分散在山脉上),种群里面的个体就是这些数字化的编码。接下来,通过适当的解码过程之后(得到袋鼠的位置坐标),用适应性函数对每一个基因个体作一次适应度评估(袋鼠爬得越高,越是受我们的喜爱,所以适应度相应越高)。用选择函数按照某种规定择优选择(我们要每隔一段时间,在山上射杀一些所在海拔较低的袋鼠,以保证袋鼠总体数目持平。)。让个体基因变异(让袋鼠随机地跳一跳)。然后产生子代(希望存活下来的袋鼠是多产的,并在那里生儿育女)。遗传算法并不保证你能获得问题的最优解,但是使用遗传算法的最大优点在于你不必去了解和操心如何去“找”最优解。(你不必去指导袋鼠向那边跳,跳多远。)而只要简单的“否定”一些表现不好的个体就行了。(把那些总是爱走下坡路的袋鼠射杀,这就是遗传算法的精粹!)
5 M8 f% I/ K; ~1 S1 s3 e所以我们总结出遗传算法的一般步骤: 开始循环直至找到满意的解。 1.评估每条染色体所对应个体的适应度。 2.遵照适应度越高,选择概率越大的原则,从种群中选择两个个体作为父方和母方。 3.抽取父母双方的染色体,进行交叉,产生子代。 4.对子代的染色体进行变异。 5.重复2,3,4步骤,直到新种群的产生。
- L& j( Q A( ]
: _2 Y. t' J! X3 ]$ e
' P- s N6 h! N+ f3 }
, P$ B) T, G) S8 k! q& i
/ ?: r+ ?% b. G/ W9 C$ S
: C( }) H) h+ s! w& q% ^5 G5 O0 U
[" r ]4 U* b/ R4 l! @$ K5 }
, n( J/ i7 j9 q" H' {* Q
0 I O0 m& b/ S! r0 o- F& p$ m5 R* R
4 l1 p1 f2 @: B. w8 C
% R! ~+ P, c3 v) b" B( Z0 f& x
这样子就完成了第一次迭代,经过451次迭代运算,得到最佳染色体组及相应的最佳适应度(最大函数值)为:! m# d$ _/ W+ E' l. z+ B# V. Q/ T
( \+ K/ q8 v6 k4 \
, g) y$ j7 z' ^' y! m; R' V g
" s [( | ^+ v4 _7 {/ y9 I
9 d* [! r) Y1 }$ o9 q
最终送大家遗传的全套例题代码,代码的解释也是傻瓜式说明,下载看了包会!!!
# B1 X& H' l" {% B' |. X5 g2 ~( n4 Q$ J0 Q
- c2 I8 E& x7 ^6 H$ B! H. ~
. J' H. I7 b+ J2 X3 G$ a+ k1 [1 H, K* a- L
|