遗传算法学习

这里是想写一下GA求解的过程，以及一些典型问题的模型

        这学期学了一门叫典型优化问题的模型与算法，讲的大概是一些典型的问题，比如背包问题、旅行商问题，构建这些问题的数学模型，然后用遗传算法得到最优的可行解。

        遗传算法的求解步骤如下：

                1.对要解决的问题构建数学模型

                2.编码:编码就是将问题的解用二进制串或者其他形式来表示

                3.交叉:把双亲的部分染色体互相交换得到后代

                4.变异:把双亲的部分染色体用一个随机的数代替

                6.适应度函数:计算染色体的适值,适值越高被选中的概率越大

                7.选择:一般采用轮盘赌选择,可以根据与适值成正比的概率选出新的种群

下面是遗传算法的流程图:

        然而在求解实际问题时,遗传算法并不会如此简单，要根据具体问题构建出合适的数学模型。在求解约束优化问题时，可以设计惩罚函数来让违反约束的解（不可行解）有不好的适值，同时保证种群的多样性。在求解组合优化问题时，对不同的具体问题使用不同的编码 、交叉、变异方式。在求解运输问题时，用puffer数编码表示运输树等等。

        一些典型问题的模型，以及编码、交叉、编译方式懒得加了。后面要用到的话就去课件里面找吧！