数学建模存在着许多著名的算法,

而遗传算法便是其中之一。

遗传算法被提出以来得到了广泛的应用,

特别是在组合优化、机器学习、

信号处理和自适应控制

等领域发挥了很大的作用,

提高了一些问题求解的效率。

什么是遗传算法

遗传算法,即为一种以基因和染色体为基本元素,模仿生物进化过程(涉及遗传、变异、选择和交叉等操作)并通过搜索寻求最优解的优化方法。

遗传算法的中心思想

遗传算法模拟了达尔文生物进化论的自然选择和遗传学机理的生物进化过程,是一种通过模拟自然进化过程搜索最优解的方法。

遗传算法的中心思想就是“优胜劣汰,适者生存”。在初始群体中,按所选择的适应度函数并通过遗传中的复制、交叉及变异操作对个体进行筛选,使适应度高的个体被保留下来,组成新的群体。得到的新群体既继承了上一代的信息,又优于上一代。这样周而复始,群体中个体适应度不断提高,直到满足一定的条件。

遗传算法基于染色体的操作

在解决遗传算法的编码问题时,优化问题的解表示为一个变量序列,叫作染色体。

基于染色体的操作有三种:复制、交叉和变异。复制是模拟无性繁殖,在旧种群产生新种群的时候,一般会选择那些适应度比较高的个体,这种操作只能选择出优秀者,但不能创造新的染色体;交叉模拟了生物进化过程中的有性繁殖现象,通过染色体的交换组合,产生新的优良品种;变异模拟生物在自然的遗传环境中由于各种偶然因素引起的基因突变,以很小的概率随机地改变遗传基因,具体的表现就是随机改变染色体中一位或多位的值。

遗传算法的基本原理(遗传算法)(1)

探索与应用

科学家运用遗传算法等揭秘古生物多样性演化

南京大学、中国科学院南京地质古生物所的樊隽轩教授、沈树忠院士团队,借助“天河二号”超级计算机,运用大数据、超算、遗传算法等全新的方法和手段,获得了全新的寒武纪—早三叠世海洋无脊椎动物的复合多样性曲线,将其统计时间分辨率从1000万年精细到约2.6万年,更加准确地重现了地质历史中三次生物大灭绝事件和两次重大生物辐射事件的精细过程。

高速货运动车组用上遗传算法等技术

2020年12月23日,由我国成功研制出的时速350公里高速货运动车组在中车唐山机车车辆有限公司正式下线。这列高速货运动车组可利用大数据分析、云端虚拟配载、精准重量控制和遗传算法等技术,实现货物的智能配载和车辆负载的合理分配。

来源丨科技日报、全国科学技术名词审定委员会等

,