清华大学出版社 TSINGHUA UNIVERSITY PRESS 选择是指具有精选的能力，它决定生物进化的方向。 在进化过程中，有的要保留，有的要被淘汰。自然选择是 指生物在自然界的生存环境中适者生存，不适者被淘汰的 过程。通过不断的自然选择，有利于生存的变异就会遗传 下去，积累起来，使变异越来越大，逐步产生了新的物种 生物就是在遗传、变异和选择三种因素的综合作用过 程中，不断地向前发展和进化。选择是通过遗传和变异起 作用的，变异为选择提供资料，遗传巩固与积累选择的资 料，而选择则能控制变异与遗传的方向，使变异和遗传向 着适应环境的方向发展。遗传算法正是吸取了自然生物系 统“适者生存、优胜劣汰”的进化原理，从而使它能够提 供一个在复杂空间中随机搜索的方法，为解决许多传统的 优化方法难以解决的优化问题提供了新的途径
选择是指具有精选的能力，它决定生物进化的方向。 在进化过程中，有的要保留，有的要被淘汰。自然选择是 指生物在自然界的生存环境中适者生存，不适者被淘汰的 过程。通过不断的自然选择，有利于生存的变异就会遗传 下去，积累起来，使变异越来越大，逐步产生了新的物种。 生物就是在遗传、变异和选择三种因素的综合作用过 程中，不断地向前发展和进化。选择是通过遗传和变异起 作用的，变异为选择提供资料，遗传巩固与积累选择的资 料，而选择则能控制变异与遗传的方向，使变异和遗传向 着适应环境的方向发展。遗传算法正是吸取了自然生物系 统“适者生存、优胜劣汰”的进化原理，从而使它能够提 供一个在复杂空间中随机搜索的方法，为解决许多传统的 优化方法难以解决的优化问题提供了新的途径
清华大学出版社 TSINGHUA UNIVERSITY PRESS 6.1.2遗传算法的原理和特点 遗传算法将生物进化原理引入待优化参数形成的编码 串群体中，按着一定的适值函数及一系列遗传操作对各个 体进行筛选，从而使适值高的个体被保留下来，组成新的 群体，新群体包含上一代的大量信息，并且引入了新的优 于上一代的个体。这样周而复始，群体中各个体适值不断 提高，直至满足一定的极限条件。此时，群体中适值最高 的个体即为待优化参数的最优解。正是由于遗传算法独具 特色的工作原理，使它能够在复杂空间进行全局优化搜索， 并且具有较强的鲁棒性；另外，遗传算法对于搜索空间， 基本上不需要什么限制性的假设（如连续、可微及单峰 等)
6.1.2 遗传算法的原理和特点 遗传算法将生物进化原理引入待优化参数形成的编码 串群体中，按着一定的适值函数及一系列遗传操作对各个 体进行筛选，从而使适值高的个体被保留下来，组成新的 群体，新群体包含上一代的大量信息，并且引入了新的优 于上一代的个体。这样周而复始，群体中各个体适值不断 提高，直至满足一定的极限条件。此时，群体中适值最高 的个体即为待优化参数的最优解。正是由于遗传算法独具 特色的工作原理，使它能够在复杂空间进行全局优化搜索， 并且具有较强的鲁棒性；另外，遗传算法对于搜索空间， 基本上不需要什么限制性的假设（如连续、可微及单峰 等）
清华大学出版社 TSINGHUA UNIVERSITY PRESS 遗传算法的特点 同常规划优化算法相比，遗传算法有以下特点： ①遗传算法是对参数的编码进行操作，而非对参 数本身。 ② 遗传算法是从许多点开始并行操作，并非局限 于一点，从而可有效防止搜索过程收敛于局部最 优解 。 ③ 遗传算法通过目标函数计算适值，并不需要其 它推导和附加信息，因而对问题的依赖性较小
遗传算法的特点 同常规划优化算法相比，遗传算法有以下特点： ① 遗传算法是对参数的编码进行操作，而非对参 数本身。 ② 遗传算法是从许多点开始并行操作，并非局限 于一点，从而可有效防止搜索过程收敛于局部最 优解。 ③ 遗传算法通过目标函数计算适值，并不需要其 它推导和附加信息，因而对问题的依赖性较小
清华大学出版社 TSINGHUA UNIVERSITY PRESS ④ 遗传算法的寻优规则是由概率决定的，而非确 定性的。 ⑤ 遗传算法在解空间进行高效启发式搜索，而非 盲目地穷举或完全随机搜索。 ⑥遗传算法对所求解的优化问题没有太多的数学 要求。 ⑦遗传算法具有并行计算的特点，因而可通过大 规模并行计算来提高计算速度
④ 遗传算法的寻优规则是由概率决定的，而非确 定性的。 ⑤ 遗传算法在解空间进行高效启发式搜索，而非 盲目地穷举或完全随机搜索。 ⑥ 遗传算法对所求解的优化问题没有太多的数学 要求。 ⑦ 遗传算法具有并行计算的特点，因而可通过大 规模并行计算来提高计算速度
清华大学出版社 TSINGHUA UNIVERSITY PRESS 6.1.3遗传算法的基本操作 般的遗传算法都包含三个基本操作：复制(reproduction)、 交叉(crossover)和变异(mutation)。 1.复制 复制 (又称繁殖)，是从一个旧种群(old population) 中选择生命力强的个体位串（或称字符串）(individual string)产生新种群的过程。或者说，复制是个体位串根 据其目标函数f(即适值函数)拷贝自己的过程。直观地 讲，可以把目标函数看作是期望的最大效益的某种量度。 根据位串的适值所进行的拷贝，意味着具有较高适值的位 串更有可能在下一代中产生一个或多个子孙。显然，在复 制操作过程中，目标函数（适值）是该位串被复制或被淘汰 的决定因素
6.1.3 遗传算法的基本操作 一般的遗传算法都包含三个基本操作：复制(reproduction)、 交叉(crossover)和变异(mutation)。 1. 复制 复制（又称繁殖），是从一个旧种群（old population） 中选择生命力强的个体位串（或称字符串）（individual string）产生新种群的过程。或者说，复制是个体位串根 据其目标函数f（即适值函数）拷贝自己的过程。直观地 讲，可以把目标函数f看作是期望的最大效益的某种量度。 根据位串的适值所进行的拷贝，意味着具有较高适值的位 串更有可能在下一代中产生一个或多个子孙。显然，在复 制操作过程中，目标函数(适值)是该位串被复制或被淘汰 的决定因素