浅析遗传算法的工作原理是什么_浅析遗传算法的工作原理

1.本文的目的。

本文对遗传算法进行了简要的阐述，让之前没有接触过的人有一个大概的了解，了解它的工作原理。

2.生物的遗传和进化

(1)基因组：生物细胞中的基因组包含了复制生物体所需的全部信息，这组染色体称为生物体的基因组。

(2)交叉：当两个生物配对复制时，它们的染色体相互混合，产生一个由两个基因组成的全新基因组。这个过程叫做杂交。这就意味着后代可能大部分遗传了上一代的好基因或者他们的坏基因。在前一种情况下，后代可能变得比其父母更好，而在后一种情况下，后代可能变得比其父母更差。

(3)突变：基因遗传给后代时，有小概率出现错误，使基因发生微小的改变。生物的进化是由无数微小的变异发展起来的，前提是这些变异有利于生物的生存。

(4)适应度得分：后代对环境的适应能力越强，就越有可能继续复制基因并传递给下一代。这将显示出一种趋势，即每一代人总是比上一代人更好。

3.计算机中的遗传算法

遗传算法在计算机中的工作过程本质上是模拟生物的进化过程。

(1)首先要确定一个编码方法，使问题的任何潜在可行解都可以表示为一个“数字”染色体。

(2)然后创建一个由随机染色体组成的初始种群(每条染色体代表一个不同的候选解)，用它培养一段时间适应能力最强的个体，使其进化。

(3)在此期间，染色体的某些位置应加入少量变异。

(4)遗传算法经过许多代后会收敛到一个解，但遗传算法不能保证一定能得到这个解，有解也不能保证一定能找到最优解，但只要采用的方法正确，通常能为遗传算法编译出能很好运行的程序。

(5)遗传算法最大的优点是，你不需要知道如何解决一个问题，只需要知道如何将可行解编码，以便遗传算法机制使用。

4.遗传算法中其他术语的解释

(1)杂交率：杂交率用于确定两条染色体局部交换产生两个新后代的概率。

(2)突变率：突变率是对染色体进行位突变操作的概率。

(3)旅行推销员问题：给定几个城市，旅行推销员必须决定一条最短的路线，这样他可以访问每个城市一次，然后返回他的出发点。

5.遗传算法的实现

通常代表可行解的染色体以某种方式编码。在操作的开始，我们首先创建一个染色体群体。当一个初始群体被创建后，我们开始做以下一系列的工作：

不断循环，直到找到解决方案。

1.检查每个染色体，看看它解决问题的能力如何，并相应地给它分配一个适应性分数。

2.从当前组中选出两名成员。选择的概率与染色体的适应性成正比。适应值越高，入选的概率越大。常用的方法是轮盘赌轮盘选择。

3.根据预设的交叉率，从每个选择的染色体中随机确定的点进行杂交。

4.根据预定的变异率，通过所选染色体的循环，翻转相应的位。

5.重复步骤2、3和4，直到创建一个新组。结束循环

算法从步骤1到步骤5的一个循环称为生成。在这里，整个周期被称为一个纪元。