用于优化的进化算法 进化算法是一系列仿生算法

romanaratryseo@

试图复制达尔文提出的物种自然进化过程来解决优化问题。在《物种起源》一书中，达尔文认为宇宙是一组不断竞争和进化的个体，以便随着时间的推移使它们的物种永存。如果不适应，物种就会被创造、进化和消失，因此只有那些最能适应环境的物种才能生存下来并延续其能力。 进化算法根据这种进化观，进化算法从问题的一组随机初始候选解决方案（个体群体）开始，这些解决方案经过一定的修改和有利于最佳解决方案的选择过程。 每个转化和选择的循环构成一代，这样，经过一定代数后，种群中的最佳个体有望接近最优解。 进化算法将由群体变换给出的随机搜索与由选择给出的定向搜索相结合。

因此，我们可以将进化算法的主要组 越南数据 成部分定义如下： 个体的总体，代表可能的解决方案。 选择程序基于个人解决问题的能力。 从以前的个体中构建新个体的转变过程。 这些算法的基本特征在于用于生成解决方案的方法：它们从一组初始解决方案开始，并使用一组搜索算子来细化最终解决方案。为了执行这个解决方案细化过程，可以使用经典技术并辅之以生物探索机制：解决方案群体、遗传算子。 下图简单地反映了进化算法的一般结构： 通用结构算法旅行商问题使我们能够清楚地说明这些概念。该问题回答以下问题：给定一个城市列表以及每对城市之间的距离，允许旅行者恰好访问每个城市一次并最终返回出发城市的最短路线是什么？



在这种情况下，解决方案的初始群体将是满足条件的可能路线，即它们从始发城市开始并且仅经过每个城市一次。为了对这些解决方案进行评分，我们将使用每个解决方案所走路线的总距离。一旦评估了所有解决方案，将重复以下过程，直到达到停止条件（我们之前将设置最大迭代次数）：选择应用一系列变换的解决方案对，其中具有最佳的解决方案结果被选择，得分并被初始群体中先前的结果替换，以构成更好的解决方案。一旦这个迭代过程完成，就会得到最后一代的最佳路线。 由于解决方案的表示方式或所使用的转换和选择方法，对进化算法的一般方案进行了某些修改，从而产生了此类算法的不同子类型：进化策略、进化编程、遗传算法、遗传编程……遗传算法构成了所有这些方法中最完整的方法，因为它们总结了进化计算的所有基本思想。