遗传算法与研究课程设计
学姓学专班
号：名：院：业：级：
200704134069吴宇鑫信息科学与工程学院自动化073班2011316至201146吴怀宇
设计时间：指导教师：
f一．设计内容
一设计题目
求下面函数的最大值fx
∑si
i1
10
40xi
2020
x
i
20≤
x≤20
i
二设计的目的
掌握遗传算法的基本原理了解在MATLAB环境中实现遗传算法各算子的编程方法。并以此例说明所编程序在函数全局寻优中的应用。
二．设计方案
（一）理论基础
1遗传算法简介1遗传算法简介遗传算法是进化算法中产生最早、影响最大、应用也比较广泛的一个研究方向和领域，其基本思想是由美国密执安大学的Joh
HHolla
d教授于1962年率先提出的。1975年，他出版了专著《自然与人工系统中的适应性行为》Adaptatio
i
Naturala
dArtificialSystems19，该书系统地阐述了遗传算法的基本理论和方法，确立了遗传算法的基本数学框架。此后，从事遗传算法研究的学者越来越多，使之成为一种通用于多领域中的优化算法。遗传算法是一种基于生物的自然选择和群体遗传机理的搜索算法。它模拟了自然选择和自然遗传过程中发生的繁殖、交配和突变现象。它将每个可能的解看做是群体（所有可能解）中的一个个体，并将每个个体编码成字符串的形式，根据预定的目标函数对每个个体进行评价，给出一个适应度值。开始时总是随机地产生一些个体（即候选解），根据这些个体的适应度利用遗传算子对这些个体进行操作，得到一群新个体，这群新个体由于继承了上一代的一些优良性状，因而明显优于上一代，这样逐步朝着更优解的方向进化。遗传算法在每一代同时搜索参数空间的不同区域，然后把注意力集中到解空间中期望值最高的部分，从而使找到全局最优解的可能性大大增加。作为进化算法的一个重要组成部分，遗传算法不仅包含了进化算法的基本形式和全部优点，同时还具备若干独特的性能：1在求解问题时，遗传算法首先要选择编码方式，它直接处理的对象是参数的编码集而不是问题参数本身，搜索过程既不受优化函数连续性的约束，也没有函数导数必须存在的要求。通过优良染色体基因的重组，遗传算法可以有效地处理传统上非常复杂的优化函数求解问题。2若遗传算法在每一代对群体规模为
的个体进行操作，实际上处理了大约O（
3）个模式，具有很高的并行性，因而具有明显的搜索效率。3在所求解问题为非连续、多峰以及有噪声的情况下，能够以很大的概率收敛到最优解或满意解，因而具有较好的r