遗传算法和蚁群算法的比较VIP专享VIP免费

. - - . 可修编. 全局优化报告 ——遗传算法和蚁群算法的比较 XX：玄玄 学号：3112054023 班级：硕 2041 . - - . 可修编. 1 遗传算法 1.1 遗传算法的发展历史 遗传算法是一种模拟自然选择和遗传机制的寻优方法。20 世纪60 年代初期，Holland 教授开始认识到生物的自然遗传现象与人工自适应系统行为的相似性。他认为不仅要研究自适应系统自身，也要研究与之相关的环境。因此，他提出在研究和设计人工自适应系统时，可以借鉴生物自然遗传的基本原理，模仿生物自然遗传的基本方法。1967 年，他的学生Bagley 在博士论文中首次提出了“遗传算法”一词。到70 年代初，Holland 教授提出了“模式定理”，一般认为是遗传算法的基本定理，从而奠定了遗传算法的基本理论。1975 年，Holland出版了著名的《自然系统和人工系统的自适应性》，这是第一本系统论述遗传算法的专著。因此，也有人把1975 年作为遗传算法的诞生年。 1985 年，在美国召开了第一届两年一次的遗传算法国际会议，并且成立了国际遗传算法协会。1989 年，Holland 的学生Goldberg 出版了《搜索、优化和机器学习中的遗传算法》，总结了遗传算法研究. - - . 可修编. 的主要成果，对遗传算法作了全面而系统的论述。一般认为，这个时期的遗传算法从古典时期发展了现代阶段，这本书则奠定了现代遗传算法的基础。 遗传算法是建立在达尔文的生物进化论和孟德尔的遗传学说基础上的算法。在进化论中，每一个物种在不断发展的过程中都是越来越适应环境，物种每个个体的基本特征被后代所继承，但后代又不完全同于父代，这些新的变化，若适应环境，则被保留下来；否则，就将被淘汰。在遗传学中认为，遗传是作为一种指令遗传码封装在每个细胞中，并以基因的形式包含在染色体中，每个基因有特殊的位置并控制某个特殊的性质。每个基因产生的个体对环境有一定的适应性。基因杂交和基因突变可能产生对环境适应性强的后代，通过优胜劣汰的自然选择，适应值高的基因结构就保存下来。遗传算法就是模仿了生物的遗传、进化原理，并引用了随机统计原理而形成的。在求解过程中，遗传算法从一个初始变量群体开始，一代一代地寻找问题的最优解，直到满足收敛判据或预先假定的迭代次数为止。 遗传算法的应用研究比理论研究更为丰富，已渗透到许多学科，并且几乎在所有的科学和工程问题中都具有应用前景。一些典型的应用领域如下： （1）复杂的非线性最优化问题。对具体多个局部...