考前解析|A-Level Computer Science中的生物遺傳算法是什么？

遺傳算法（Genetic Algorithm）

是模擬達(dá)爾文生物進(jìn)化論的自然選擇

和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計算模型，

 

是一種通過模擬自然進(jìn)化過程

搜索最優(yōu)解的方法。

 

 

遺傳算法（Genetic Algorithm）

是一類借鑒生物界的進(jìn)化規(guī)律

（適者生存，優(yōu)勝劣汰遺傳機(jī)制）

演化而來的隨機(jī)化搜索方法。

 

它是由美國的J.Holland教授1975年首先提出，

其主要特點是直接對結(jié)構(gòu)對象進(jìn)行操作，

不存在求導(dǎo)和函數(shù)連續(xù)性的限定；

具有內(nèi)在的隱并行性

和更好的全局尋優(yōu)能力；

 

采用概率化的尋優(yōu)方法，能自動獲取

和指導(dǎo)優(yōu)化的搜索空間，

自適應(yīng)地調(diào)整搜索方向，

不需要確定的規(guī)則。

 

 

遺傳算法的基本運(yùn)算過程如下：

 

---

 

1、初始化：

設(shè)置進(jìn)化代數(shù)計數(shù)器t=0，

設(shè)置最大進(jìn)化代數(shù)T，

隨機(jī)生成M個個體作為初始群體P(0)。

 

2、個體評價：

計算群體P(t)中各個個體的適應(yīng)度。

 

3、選擇運(yùn)算：

將選擇算子作用于群體。

選擇的目的是把優(yōu)化的個體直接遺傳到下一代

或通過配對交叉產(chǎn)生新的個體再遺傳到下一代。

選擇操作是建立在群體中個體的適應(yīng)度評估基礎(chǔ)上的。

 

4、交叉運(yùn)算：

將交叉算子作用于群體。

遺傳算法中起核心作用的就是交叉算子。

 

5、變異運(yùn)算：

將變異算子作用于群體。

即是對群體中的個體串的某些基因座上的基因值作變動。

群體P(t)經(jīng)過選擇、交叉、變異運(yùn)算之后

得到下一代群體P(t+1)。

 

6、終止條件判斷：

若t=T,

則以進(jìn)化過程中所得到的

具有最大適應(yīng)度個體作為最優(yōu)解輸出，

終止計算。

 

遺傳算法也是

計算機(jī)科學(xué)人工智能領(lǐng)域中

用于解決最優(yōu)化的一種搜索啟發(fā)式算法，

是進(jìn)化算法的一種。