稍微灌水-关于基因算法

eaglejoan

遗传算法的概念

是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索算法，在1975年由Holland教授提出。

生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。

遗传算法的概念最早是由Bagley J.D在1967年提出的；而开始遗传算法的理论和方法的系统性研究的是1975年，这一开创性工作是由Michigan大学的J.H.Holland所实行。当时，其主要目的是说明自然和人工系统的自适应过程。

遗传算法简称GA(Genetic Algorithm)，在本质上是一种不依赖具体问题的直接搜索方法。遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。在人工智能研究中，现在人们认为“遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样，都是对今后十年的计算技术有重大影响的关键技术”。

待续

monder

欢迎更多人参与进来讨论优化技术！

优化是一门学问，而modeFRONTIER只是实现优化算法的一种形式，也许你想自己编写软件做课题或者练手，没关系，本版都欢迎！

monder

遗传算法是一类模拟生物进化的智能优化算法，它是由J.H.Holland于六十年代提出的。目前，遗传算法已成为进化计算研究的一个重要分支。
    与传统优化方法相比，遗传算法的优点是：
·群体搜索
·不需要目标函数的导数
·概率转移准则

遗传算法研究热点
·收敛性证明
·新型高效的 遗传算子设计
·遗传算法与局部优化算法的结合
·遗传算法在各领域的应用研究
·软计算与计算智能中的遗传算法

遗传算法著作

1.陈国良等，遗传算法及其应用，国防出版社
2.J.H.Holland,Adaptation in Natural and Artificial Systems, Ann Arbor: Univ. of  Michigan  Press, 1975
3.D.E.Goldberg,Genetic Algorithms in Search, Optimization and Machine Learning.  Reading, MA: Addison-Wesley, 1989
4.L.D.Davis, Handbook of Genetic Algorithms, Van Nostrand Reinhold
5.Z.Michalewicz, Genetic Algorithms + Data Structures=Evolution Programs, Spinger Press,1996  
6.M.Gen,R.Cheng,Genetic Algorithms & Engineering Design, 1997
7.Wiely,Genetic Algorithms in Engineering and Computer Science,1995
8.M.Mitchell,An Introducion to Genetic Algorithms,1996
9.Davis,Genetic Algorithms and Simulated Annealing,1987
10.Davidor,Genetic Algorithms and Robotics,1991
11.Koza,Genetic Programming,1992
12.Bauer,Genetic Algorithms and Investiment Strategies,1994

遗传算法站点
1.The Genetic Algorithms Archive
  http://www.aic.nrl.mil/galist/  
2.Genetic Adaptive Systems LAB [GASLAB]
  GASLAB is hosted by the Computer Science Department of the University of Nevada-Reno.
  http://www.cs.unr.edu/~sushil/papers/conference/conf.html
  http://gaslab.cs.unr.edu/  
3.http://www.mat.***g.ac.at/~uhl/GA.html   
4.http://www.cs.gmu.edu/research/gag/
  email:kdejong@gmu.edu
  publications: (downloading website)
  http://www.cs.gmu.edu/research/gas/pubs.html
5.Illinois Genetic Algorithms Laboratory Prof. David E. Goldberg, Director  http://gal4.ge.uiuc.edu./illigal.home.html  
6.Michigan State University
  Genetic Algorithms Research and Applications Group (GARAGE)
  Bill Punch (punch@cps.msu.edu,517-353-3541)
  Erik Goodman (goodman@egr.msu.edu,517-355-6453)
  http://garage.cs.msu.edu/
7.ftp://ftp.egr.msu.edu/pub/EC/GA/

遗传算法可以被看作是通用的最优化方法，它搜索一个巨大的候选假设空间，根据适应度函数查找表现最好的假设。遗遗传算法的普及和发展得益于下面的因素，在生物系统中，进化被认为是一种成功的自适应方法，具有很好的健壮性。遗传算法搜索的假设空间中，假设的各个部分相互作用，每一部分对总的假设适应度的影响难以建模，遗传算法易于并行化。

遗传算法尽管不能保证发现最优的假设，但一般能够发现具有较高适应度的假设。但是，遗传算法也有一个难题，即拥挤问题。拥挤是指群体中某个体适应度大大高于其他个体，因此它迅速繁殖，以至于此个体和与它相似的个体占据了群体的绝大部分。拥挤降低了群体的多样性，从而减慢了进化的进程。

以上内容为转载，希望对大家有用，呵呵

daisy_tu79

不错不错，好资料啊。谢谢斑竹和eaglejoan，初学modefrontier ，还望以后多多交流。互通有无阿：）

lichunyang

学习中......

syjoke

遗传算法前几年国内好像研究很多，现在专业研究它的好像不多，一般是与相关应用结合起来，与之类似的优化算法还很多，也不能单一的说哪种好，哪种不好。

monder

是的，看来斑竹有一番研究的pfpf

当然啦，普通概念的遗传算法老早就出现了，如果一直研究下去也没什么发展和创新啦。

国内的优化的总体水平不行啊，前几年的研究很多是遗传算法的工程应用。不过也不能怪他们，大家术业有专攻嘛，工科（engineering）的一半只是用用而已，研究算法的（大部分是计算机系、数学系、经管系在搞）就不同了，他们研究遗传算法，主要是在于改进算法，从改进算法到测试benchmark，其实还是蛮困难的，因此发个国际级别的文章也大有人在哦，虽然都是遗传算法，里面能做好多文章呢。比如它本身的变种、与其他算法，如SA的结合等。

对于不同的问题，遗传算法的效率可能也会有很大差别，当然优化的效率和质量不能一概而论阿。

xutaoneu

是不是可以说遗传算法就是基因算法？

li100100100

不错不错。感谢分享。