遗传算法

求高度非线性问题的全局最小值

遗传算法(GA)是一种基于模拟生物进化的自然选择过程来解决有约束和无约束优化问题的方法。该算法反复修改单个解的总体。在每一步中，遗传算法从当前种群中随机选择个体，并将其作为父母为下一代生育后代。在连续的世代中，种群朝着最优解“进化”。

您可以应用遗传算法来解决不太适合标准优化算法的问题，包括目标函数不连续、不可微、随机或高度非线性的问题。

遗传算法不同于经典的基于导数的优化算法，主要有两个方面，总结如下表。

经典的算法 遗传算法
在每次迭代中生成一个点。点序列趋于最优解。 在每次迭代中生成一个点的总体。总体中最优点趋于最优解。
通过确定性计算选择序列中的下一个点。 通过使用随机数生成器的计算选择下一个种群。

有关应用遗传算法的更多信息，请参见全局优化工具箱．

参见:全局优化工具箱，优化工具箱，模拟退火，线性规划，二次规划，整数规划，非线性规划，多目标优化，遗传算法视频，强化学习，代理优化，优化设计

Baidu
map