MATLAB遗传算法的性能仿真研究+文献综述(2)
1.1 概述 1
1.2 课题的提出及研究意义 1
1.3 遗传算法的研究现状 2
2 遗传算法的基本概论 4
2.1 遗传算法的基本思想 4
2.2 遗传算法的特点 5
2.2.1 遗传算法的优点 5
2.2.2 遗传算法的局限性 7
2.3 遗传算法的研究方向 7
2.4 遗传算法的应用 8
2.5 本章小结 10
3 遗传算法的性能仿真 11
3.1 七种不同的遗传算法 11
3.1.1 基本遗传算法 myGA 11
3.1.2 顺序选择遗传算法 SBOGA 12
3.1.3 适值函数标定的遗传算法 NormFitGA 12
3.1.4 大变异遗传算法 GMGA 13
3.1.5 自适应遗传算法 AdapGA 14
3.1.6 双切点交叉遗传算法 DblGEGA 15
3.1.7 多变异位自适应遗传算法 MMAdapGA 16
3.2 仿真结果与分析 17
3.3 不同遗传算法仿真结果比较 32
4 总结和展望 33
4.1 总结 33
4.2 展望 33
致谢 34
参考文献 35
附录 36
1 绪论
1.1 概述
遗传算法(Genetic Algorithms，简称GA)起源于对生物系统进行的计算机模拟研究[1]。最早由美国Michigan大学的Holland教授和其学生从生物模拟技术中受到启发，从而创造出一种基于生物进化和遗传机制的适用于复杂系统优化的自适应概率优化技术———遗传算法。1967年，由Holland的学生Bagley在他的博士论文中率先提出了“遗传算法”一词，他发展了复制、变异、交叉、倒位、显性等遗传算子，在个体编码上使用了双倍体的编码方法[4]。Holland教授通过遗传算法的基本思想对自然和人工自适应系统进行了研究，从而提出了遗传算法的基本定理———模式定理（Schema Theorem），并在1975年出版了第一本系统地论述遗传算法和人工自适应系统的著作《Adaptation in Natural and Artificial Systems》。在20世纪80年代，Holland教授首创了全世界第一个基于遗传算法的机器学习系统，从此便开创了遗传算法的机器学习新概念。1975年De Jong基于遗传算法的基本思想，在计算机上进行了大量的纯数值函数的优化计算实验，并建立了遗传算法的工作框架，从中得到了某些重要并且具有指导意义的结论。1989年，Goldberg出版了《Genetic Algorithm in Search，Optimization and Machine Learning》一书，全面地总结了遗传算法的各项主要研究成果，完整地阐述了遗传算法的基本原理及其应用。1991年，由Davis出版的《Handbook of Genetic Algorithms》一书中，详细介绍了遗传算法在社会经济、科学计算和工程技术中的大量实例。1992年，由Koza将遗传算法应用在了计算机程序的优化和自动生成上，并且提出了遗传编程（Genetic Programming）的概念。在控制系统的离线设计领域，遗传算法被众多的使用者证明是一种有效的策略[1]。例如，Krishnakumar、Goldberg、Bramlette和Cusin证明了使用遗传优化方法能够在太空应用中导出优异的控制器结构，且比使用传统方法的增音机设计用时更少。Porter和Mohamed也展示了使用本质结构分派任务的多变量飞行控制系统的相关遗传设计方案。遗传算法在控制器结构选择中的使用方法被很多人所证明。