第二篇遗传算法一、遗传算法概述1、智能优化算法常用的智能优化算法智能优化算法的特点遗传算法起源遗传算法的搜索机制2、基本遗传算法基本遗传算法的组成2.1编码函数优化示例SGA对于本例的编码几个术语初始种群2.2适应度函数2.3遗传操作：选择(selection)轮盘赌选择方法轮盘赌选择方法的实现步骤2.3遗传操作：交叉(crossover)交叉：1.实数交叉2.二进制交叉1）单点交叉2）多点交叉3）均匀交叉……单点交叉运算2.3遗传操作：变异(mutation)基本位变异算子基本位变异算子的执行过程2.4SGA算法：运行参数2.4SGA算法：框图3、遗传算法的特点二、遗传算法原理1、遗传算法的数学基础模式两个定义模式的阶和定义距的含义模式定理模式定理积木块假设2、遗传算法的收敛性分析种群规模对收敛性的影响选择操作对收敛性的影响交叉概率对收敛性的影响变异概率对收敛性的影响遗传算法的本质3、遗传算法的改进遗传算法的改进途径对编码方式的改进对编码方式的改进格雷码编码方法是二进制编码方法的一种变形。(1)格雷码编码：其连续的两个整数所对应的编码值之间仅仅只有一个码位是不相同的，其余码位都完全相同。如图所示。(2)优点：•便于提高遗传算法的局部搜索能力；•交叉、变异等遗传操作便于实现；•符合最小字符集编码原则；•便于利用模式定理对算法进行理论分析。4对遗传算子的改进对遗传算子的改进对遗传算子的改进对控制参数的改进对控制参数的改进对执行策略的改进三、遗传算法的应用1、遗传算法的应用领域遗传算法应用于组合优化2、遗传算法的应用示例