经典遗传算法应用.pptx

《经典遗传算法应用.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、遗传算法的应用汇报人：郭亚东小组成员：党国华高阳春遗传算法的应用一、遗传算法的应用领域二、遗传算法具体应用举例三、遗传算法的应用前景一、遗传算法的应用领域遗传算法解决经典数学方法无法有效地求出最优解的复杂的、大规模的难题。提供了一种求解复杂系统优化问题的通用框架，它不依赖于问题的具体的领域，对问题的种类具有良好的鲁棒性，其广泛应用于很多学科。遗传算法的一些具体应用领域：一、遗传算法的应用领域2.组合优化3.自动控制6.机器监测诊断优化一、遗传算法的应用领域一、函数的优化函数优化是遗传算法的经典应用领域，也是对遗传算法进行性能评价的常用算例。常规

2、方法对于大规模、多峰多态函数、含离散变量等问题的有效解决存在许多困难。遗传算法简单易行、高效性及其普遍适应性，对一些非线性、多模型、多目标的函数优化问题，遗传算法能够可以方便地得到较好的结果。一、遗传算法的应用领域二、组合优化随着问题规模的扩大或复杂化，优化问题的收索空间急剧扩大，有时在目前的计算机上用枚举法很难甚至不可能得到其精确最优解。对于这类复杂问题，人们已经意识到用遗传算法对于组合优化中的NP完全问题十分有效，能够得到其满意解。一、遗传算法的应用领域三、自动控制遗传算法借助搜索机制的随机性能够搜索问题域的全局最优解，因此在控制领域应用越

3、来越多。例如用遗传算法进行航空控制系统的优化、基于遗传算法的模糊控制器优化设计、基于遗传算法的参数辨识、利用遗传算法进行人工神经网络的结构优化设计和权值学习，这些都显示出了遗传算法在控制领域中的良好应用前景一、遗传算法的应用领域四、生产调度问题生产调度问题在许多情况下所建立起来的数学模型难以精确求解，即使经过一些简化之后可以进行求解，也会因简化太多而使得求解结果与实际相差甚远。因此，目前在现实生产中叶主要靠一些经验进行调度。在单价生产车间调度、流水线生产车间调度、生产规划、任务分配等方面遗传算法都得到了有效的应用。一、遗传算法的应用领域五、图像

4、处理图像处理和模式识别是计算机视觉中的一个重要研究领域。在图像处理过程中，如扫描、特征提取、图像分割等不可避免地会产生一些误差，这些误差会影响到图像处理和模式识别的效果。如何使这些误差最小是使计算机视觉达到实用化的重要要求，遗传算法在图像处理中的优化计算方面有好的应用，目前已在图像恢复、图像边缘特征提取、几何形状识别等方面得到了应用。一、遗传算法的应用领域六、机器监测诊断优化问题遗传算法能够应用于故障诊断模型不连续，不可导具有多个局部极值且传统的优化方法不能够应用的领域。例特征选择、神经网络的机构设计和权值训练问题、小波消噪技术中的消噪阀设置问

5、题，均具有很好的效果。二、遗传算法具体应用举例群体爬山求解问题二、遗传算法具体应用举例二、遗传算法具体应用举例不断地通过交叉变异以及选择来达到爬山的效果二、遗传算法具体应用举例二、遗传算法具体应用举例二、遗传算法具体应用举例二、遗传算法具体应用举例二、遗传算法具体应用举例三、遗传算法的应用前景遗传算法是建立在自然选择和群体遗传学机理基础上的具有广泛适用性的通用优化搜索方法,它通过模拟自然界生物体从低级到高级的进化过程,由初始种群出发,采用优胜劣汰适者生存的自然法则选择个体,通过杂交、变异来产生下一代种群,如此逐代进化,直至满足期望的条件。该方法

6、具有良好智能性与并行性,是一种公认的全局搜索能力较强的算法。三、遗传算法的应用前景遗传算法最大的优点就在于其较强的全局搜索能力，近年来,遗传算法(GA)的卓越性能引起人们的关注.对于以往难以解决的函数优化问题,复杂的多目标规划问题,工农业生产中的配管、配线问题,以及机器学习,图象识别,人工神经网络的权系数调整和网络构造等问题,GA是最有效的方法之一。三、遗传算法的应用前景虽然GA在许多优化问题中都有成功的应用,但其本身也存在一些不足.例如局部搜索能力差、存在未成熟收敛和随机漫游等现象,从而导致算法的收敛性能差,需要很长时间才能找到最优解,这些不

7、足阻碍了遗传算法的推广应用.三、遗传算法的应用前景如何改善遗传算法的搜索能力和提高算法的收敛速度,使其更好地应用于实际问题的解决中,是各国学者一直探索的一个主要课题.之后世界范围内掀起了关于遗传算法的研究与应用热潮完不知之处还望之处，谢谢！