Matlab 版 (精华区)

发信人: ambercctv (中央电视台), 信区: Matlab
标  题: 遗传算法的特点
发信站: 哈工大紫丁香 (2003年06月15日09:02:02 星期天), 站内信件

GA利用了生物进化和遗传的思想，在搜索方法上，它有许多不同于传统优化算法之处。

1） 算法是对参数的编码进行操作，而非对参数本身
GA将待优化问题的参数编码成长度有限（多数为二进制）的位串，然后对编码的位串进
行操作，而不是对函数和他们的控制参数直接操作，所以用传统方法很难解决的问题，
GA有可能解决。
2） 传算法是从许多点开始并行操作，而非局限于一点
GA同时从种群的每个个体开始搜索，大大减小了陷入局部解的可能性，故能快速全局收
敛；而传统的方法，如爬山法则是从一点开始搜索，故当问题复杂时容易陷入局部解。

3） 遗传算法通过目标函数来计算适应度值，而不需要其他推导，从而对问题的依赖性
较
传统的优化算法需要一些辅助信息，如梯度算法需要导数，当这些信息不存在时，这些
算法就失败了。而GA不受函数约束条件（连续、可导等）的限制，可以处理复杂的优化
问题。
4） 遗传算法的寻优规则是由概率决定的，而非确定性的
GA使用的三个算子都是随机操作，但也不是完全随机的“盲目”搜索，而是一种有目的
、有启发式搜索，因而能搜索离散的、有噪声的、多峰值的复杂空间。
5） 遗传算法对于待寻优的函数基本无限制，它既不要求函数连续，也不要求函数可微
或其他辅助知识，既可以是数学解析式所表示的显函数，又可以是映射矩阵甚至是神经
网络等隐函数，因而应用范围较广。

--
◥◤ C C T V ◢◤ ◥◤ C C T V ◢◤
紫丁香你是那么迷人

※ 来源:·哈工大紫丁香 bbs.hit.edu.cn·[FROM: 202.118.230.208]