遗传算法

什么是遗传算法

寻找高度非线性问题的全局极小值。

遗传算法(GA)是一种基于模拟生物进化的自然选择过程来解决有约束和无约束优化问题的方法。

该算法反复修改单个解的总体。在每一步中,遗传算法都从当前种群中随机选择个体,并将他们作为亲本,并繁衍后代。经过几代的繁衍,种群“进化”到一个最优解。


用途

遗传算法用来解决不适合标准优化算法的问题,包括目标函数不连续、不可微、随机或高度非线性的问题。


与经典算法的不同

遗传算法与经典的基于导数的优化算法主要有两种不同之处,如下表所示:

经典算法遗传算法
在每次迭代中生成一个单点。点的序列接近一个最优解。在每次迭代中生成成群的点。种群中的最佳点接近最优解。
通过确定性计算选择序列中的下一个点。通过使用随机数生成器的计算选择下一个总体。

MATLAB中的语法和实例

参考:






公众号

关注公众号,获取一手资讯

“ 遗传算法 ” comments 0

评论/回复

电子邮件地址不会被公开。 必填项已用*标注