遗传算法
摘要：遗传算法（Ge
eticAlgorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的JHolla
d教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。遗传算法经过不断的发展和改进，又发展出许多新的进化算法，如模拟退火算法，免疫遗传算法，粒子群优化算法等等。关键字：遗传算法；进化率；寻优方法；组合优化1、遗传算法的发展及历史
遗传算法Ge
eticAlgorithm，简称GA起源于对生物系统所进行的计算机模拟研究。美国Michiga
大学的Ho11a
d教授及其学生受到生物模拟技术的启发，创造出了一种基于生物遗传和进化机制的适合于复杂系统优化的自适应概率优化技术遗传算法。
1967年，Holla
d的学生Bagley在其博士论文中首次提出了“遗传算法”一词，他发展了复制、交叉、变异、显性、倒位等遗传算子，在个体编码上使用双倍体的编码方法。Holla
d教授用遗传算法的思想对自然和人工自适应系统进行了研究，提出了遗传算法的基本定理模式定理SchcmaTheorem，并于1975年出版了第一本系统论述遗传算法和人工自适应系统的专著《Adaptatio
i
Naturala
dArtificialSystems》。
20世纪80年代，Holla
d教授实现了第一个基于遗传算法的机器学习系统，开创了遗传算法的机器学习的新概念。1975年DeJo
g基于遗传算法的思想在计算机上进行了大量的纯数值函数优化计算实验，建立了遗传算法的工作框架，得到了一些重要且具有指导意义的结论。1989年Goldberg出版了专著《Ge
eticAlgorithmi
SearchOptimizatio
a
dMachi
eLear
i
g》，系统地总结了遗传算法的主要研究成果，全面完整地论述了遗传算法的基本原理及其应用。
1991年，Davis出版了《Ha
dbookofGe
eticAlgorithms》一书，介绍了遗传算法在科学计算、工程技术和社会经济中的大量实例。
1992年，Koza将遗传算法应用于计算机程序的优化设计及自动生成，提出了遗传编程Ge
eticProgrammi
g，简称GP的概念。
在控制系统的离线设计方面遗传算法被众多的使用者证明是有效的策略。例如，Krish
akumar和Goldberg以及Bramlette和Cusi
已证明使用遗传优化方法在太空应用中导r