MATLAB智能算法—遗传算法

1.遗传算法的介绍

遗传算法（Genetic Algorithm,GA）关键是把问题参数编码成染色体，再利用迭代方式进行选择、交叉、变异等运算交换种群中的染色体信息，根据适应度的好坏选择一定数量优秀的染色体，经过若干代的进化后，最终收敛于最好的符合优化目标染色体。

特点：

1. 全局搜索能力强，局部搜索能力弱
2. 一般得到的是次优解，而非最优解（问题规模小可得最优解，问题规模大一般只能得近似解）

术语：

1. 个体(individual)
2. 适应度函数(fitness function)、适应度函数值(fitness value)
3. 种群(population)、种群大小(population size)
4. 代(generation)
5. 父代(parents)、子代(children)
6. 选择(select)、交叉(crossover)、变异(mutation)
7. 精英数目(eliteCount)、交叉后代比例(crossover fraction)

步骤：

1. 初始化种群：位串编码、Grey编码、实数编码、多级参数编码、有序串编码、结构式编码
2. 适应度函数：由目标函数变换得到，函数值越大/小，个体越优
3. 选择操作：个体适应度函数值越高，被选中概率越大，轮盘赌法、锦标赛法
4. 交叉操作：随机抽取种群两个个体，通过染色体的交换组合，把父串的优秀特征传给子串，从而产生新的优秀个体
5. 变异操作：维持种群多样性，随机抽取种群单个体，选择染色体的一点变异
6. 收敛寻优࿱