多峰优化遗传算法与多目标优化进化算法分析

《多峰优化遗传算法与多目标优化进化算法分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、-------硕士学位论文第1章绪论1.1课题研究背景及其意义1.1.1生物进化生物在其延续生存的过程中，逐渐适应于其生存环境，使得其品质不断得到改良，这种生命现象称为进化（Evolution）。生物的进化是以集团的形式共同进行的，这样的一个团体称为群体（Population），组成群体的单个生物称为个体（Individual），每一个个体对其生存环境都有不同的适应能力，这种适应能力称为个体的适应度（Fitness）。达尔文的自然选择学说（NaturalSelection）构成了现代进化论的主体。自然选择学说认为，通过不同生物间的支配以及其他一些原因，

2、生物的基因有可能发生变异而形成一种新的生物基因，这部分变异了的基因也将遗传到下一代。虽然这种变化的概率是可以预测的，但具体哪一个个体发生变化却是偶然的。这种新的基因依据其与环境的适应程度决定其增殖能力，有利于生存环境的基因逐渐增多，而不利于生存环境的基因逐渐减少。通过这种自然的选择，物种将逐渐地向适应于生存环境的方向进化，从而产生出优良的物种。生物进化是一个复杂的自适应过程，包含以下几个要素：一，自然选择，控制生物体群体行为的发展方向，能够适应环境变化的生物体具有更高的生存能力，使得它们在种群中的数量不断增加，优良染色体形状特征在自然选择中得以保留；二

3、，交配，通过杂交随机组合来自父代染色体上的遗传物质，产生新的染色体。生物进化过程中所产生的能很好适应自然环境的信息都包含在当前生物体所携带的染色体基因库中，由子代继承下来；三，突变，随机改变父代个体的染色体上的基因结构，产生具有新染色体的子代个体。突变具有突发性和不可预测性，对于保证群体的多样性具有不可替代的作用。1.1.2遗传算法的历史本世纪六十年代初，一些生物学家开始利用计算机对遗传系统进行模拟。在此期间，美国Michigan大学教授JohnHolland正在从事自适应系统的研究，受生物学家们模拟结果及生物进化论与遗传学说的启发，Holland在A

4、.S.Fraser和H.J.Bremermann等工作的基础上提出了位串编码技术及相应的算法。随后，Holland将该算法（当时称为Geneticplan）用于自然和人工系统的自适应行为的-----------1-----------多峰优化遗传算法及多目标优化进化算法研究研究之中，并于1975年出版了其开创性著作《aptioninNaturalandArtificaiSystem》。书中将Geneticplan作为生物进化的一种抽象，并给出了在Geneticplan下适应性的一个理论框架。后来，Holland的学生们对该算法加以改进并应用于优化及机器

5、学习等问题，该算法也被正式命名为遗传算法（GeneticAlgorithm）。遗传算法在提出之初并未立即受到普遍关注，其研究仅限于Holland及其学生和同事。除了计算机性能方面的原因外，也由于当时基于符号处理的人工智能方法正处于巅峰时期，使人们尚无暇顾及其他方法的有效性和适应性。“这显然不属于人工智能研究的范畴。”及“为什么要关注一个模仿数万年历史的研究？”代表了当时计算机科学界一部分人对遗传算法的典型观点。到了八十年代，人们越来越清楚地认识到传统人工智能方法的局限性，加之计算机速度的提高和并行计算机的普及，遗传算法开始日益引起人们的重视和兴趣。19

6、85年，首届遗传算法国际学术会议召开；1989年Goldberg的《GeneticAlgorithmsinSearch,OptimizationandMachineLearning》一书的出版对遗传算法的研究起了一定的承前启后的推动作用;进入九十年代，遗传算法的研究及各种改进的遗传算法如雨后春笋般地不断在各种学术期刊及国际学术会议上发表，形成了国际性的遗传算法研究热潮。1992年，Holland的著作由MIT再版；1993年，以遗传算法为主要研究对象的国际性学术期刊《EvolutionaryComputation》创刊（MIT版），1997年《IEEE

7、TransactionsonEvolutionaryComputation》创刊。遗传算法自创立以来，己被先后成功地应用于机器学习、工程优化、图象处理、经济预测、系统合成、人工生命、自动程序设计等诸多领域，引起了包括数学、物理学、化学、生物学、计算机科学、社会科学及工程应用领域科学家们的极大兴趣。日前，遗传算法已成为无可争议的跨学科的热门研究课。1.1遗传算法基本术语及流程遗传算法的基本术语[1]如下。进化代（Generation）：算法的迭代步称为进化代，或简称代。群体（Population）：所求解问题的多个解的集合称为群体。常记为P(t),t表示

8、所处的代数。最初的群体P(0)一般是从问题可能潜在的解的集合中随机生成的。个体（Individ