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）

是模擬達爾文生物進化論的自然選擇

和遺傳學機理的生物進化過程的計算模型，

 

是一種通過模擬自然進化過程

搜索最優解的方法。

 

 

遺傳算法（Genetic Algorithm）

是一類借鑒生物界的進化規律

（適者生存，優勝劣汰遺傳機制）

演化而來的隨機化搜索方法。

 

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構對象進行操作，

不存在求導和函數連續性的限定；

具有內在的隱并行性

和更好的全局尋優能力；

 

采用概率化的尋優方法，能自動獲取

和指導優化的搜索空間，

自適應地調整搜索方向，

不需要確定的規則。

 

 

遺傳算法的基本運算過程如下：

 

---

 

1、初始化：

設置進化代數計數器t=0，

設置最大進化代數T，

隨機生成M個個體作為初始群體P(0)。

 

2、個體評價：

計算群體P(t)中各個個體的適應度。

 

3、選擇運算：

將選擇算子作用于群體。

選擇的目的是把優化的個體直接遺傳到下一代

或通過配對交叉產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度評估基礎上的。

 

4、交叉運算：

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)經過選擇、交叉、變異運算之后

得到下一代群體P(t+1)。

 

6、終止條件判斷：

若t=T,

則以進化過程中所得到的

具有最大適應度個體作為最優解輸出，

終止計算。

 

遺傳算法也是

計算機科學人工智能領域中

用于解決最優化的一種搜索啟發式算法，

是進化算法的一種。