遗传算法学习笔记（4）

说明：本来读书笔记是不应该放首页的，不过看了很多遗传算法的书，这一段总结的十分精辟，给大家强烈推荐。

遗传算法的基本特征和特点：

　　遗传算法本质上是一种搜索寻优技术。从某一初始群体出发，遵照一定的操作规则，不断迭代计算，逐步逼近最优解。遗传算法受生物进化和遗传的启发，形成一种独特的优化方式，因此，遗传算法的运算原则常常与生物进化及遗传学相吻合，术语也仿照生物学的术语。

　　这种搜索技术，有如下特点

　　（1）智能式搜索：遗传算法的搜索策略是有指导的搜索。依据是目标函数，利用适应度，逐步逼近目标值。

　　（2）渐进式优化：遗传算法利用复制，交换，突变等操作，是新一代优于上一代，通过不断迭代，逐渐得出最有的结果，是一种丰富迭代的过程。

　　（3）全局最优解：遗传算法由于采取交换，突变等操作，产生新的个体，扩大了搜索范围，使得搜索得到的结果是全局最优解，而不是局部最优解。

　　（4）黑箱式操作：遗传算法根据说解决问题的特性，进行编码和选择适应度。一代完成字符串和适应度的表达，其余的复杂，交换，突变等操作都可按常规手续执行。个体的编码如果输入，适应度如同输出。因此遗传算法从某种意义上讲是一种只考虑输入和输出关系的黑箱问题，并不深究造成这种关系的原因，因此便于出来各种因果复杂的问题。

　　（5）通用性强：传统的优化算法，需要将所解决的问题用数学表达，常常要求函数的一阶导数或二阶导数。采用遗传算法，只用编码和适应度表示问题，并不明确要求数学方程和导数表达式。因此，遗传算法通用性强，可用于离散问题以及函数关系不明确的复杂问题，有人说遗传算法是一种框架型算法，只有一些简单的原则要求，在实施过程中可以赋予更多的含义。

　　（6）并行式算法：这是遗传算法的一个重要特征。

 

 遗传算法的运算基础：

　　遗传算法的运算基础是字符串。长度常常是固定的，以便按照统一的方式执行操作，个别研究者采用不等长字符串，这时就需要经常调整操作方式，比较繁琐。

　　遗传算法的运算基础是字符串，相对于染色体。字符串由一串字符组成，每个字符都有特定的含义，反映所解决问题的某个特征,这相对应染色体片段，类似基因。

　　遗传学很注重等位基因，反映生物某一性态对应的基因，等位基因的位置相对应该字符在字符串中的位置。

　　在遗传学中，有显性基因和隐性基因，在遗传算法中也有类似的大小写区别字符的做法。

　　在生物学中，生物个体所表现的性状被称为表现型，把反映表现型的基因组称作基因型，与此对应，遗传算法中，表现型就相当于所求解问题的特征，如参数，可行解，可行策略等；基因型则视作字符串的结构。

 　　在生物学中，把细胞中含有两个染色体组的个体称作二倍体，含有三个以上的个体称作多倍体，遗传算法中也有相对应的处理。

　　

 

参考书籍：《遗传算法和遗传规划》　云庆夏　黄光球　王战权　编著　冶金工业出版社