遗传算法简介

细履平沙

[fly]遗传算法简介[/fly]
    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

[fly]遗传算法研究热点[/fly]

·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
matlab遗传算法工具箱函数及实例讲解 参考 http://www.fajiaoren.com/read.php?tid=295

细履平沙

遗传算法的研究方向  
［ 作者：佚名    转贴自：南大小百合    点击数：11182 ］
遗传算法是多学科结合与渗透的产物,已经发展成一种自组织、
自适应的综合技术,广泛应用在计算机科学、工程技术和社会科学等
领域。其研究工作主要集中在以下几个方面

    1.基础理论
    包括进一步发展遗传算法的数学基础,从理论和试验研究它们的
计算复杂性。在遗传算法中,群体规模和遗传算子的控制参数的选取
非常困难,但它们又是必不可少的试验参数。在这方面,已有一些具有
指导性的试验结果。遗传算法还有一个过早收敛的问题,怎样阻止过
早收敛也是人们正在研究的问题之一。

    2.分布并行遗传算法
    遗传算法在操作上具有高度的并行性,许多研究人员都在探索在
并行机和分布式系统上高效执行遗传算法的策略。对分布并行遗传算
法的研究表明,只要通过保持多个群体和恰当控制群体间的相互作用
来模拟并行执行过程,即使不使用并行计算机,也能提高算法的执行效
率。

    3.分类系统
    分类系统属于基于遗传算法的机器学习中的一类,包括一个简单
的基于串规则的并行生成子系统、规则评价子系统和遗传算法子系统
。分类系统被人们越来越多地应用在科学、工程和经济领域中,是目
前遗传算法研究中一个十分活跃的领域。

    4.遗传神经网络
    包括连接权、网络结构和学习规则的进化。遗传算法与神经网络
相结合,正成功地用于从时间序列分析来进行财政预算。在这些系统
中,训练信号是模糊的,数据是有噪声的,一般很难正确给出每个执行
的定量评价。如果采用遗传算法来学习,就能克服这些困难,显著提高
系统性能。Muhlenbein分析了多层感知机网络的局限性,并猜想下一
代神经网络将是遗传神经网络。

    5.进化算法
    模拟自然进化过程可以产生鲁棒的计算机算法--进化算法。遗
传算法是其三种典型的算法之一,其余两种算法是进化规划(Evolutio
nary Programming,EP)和进化策略(Evolutio nary Strategies,ES)
。这三种算法是彼此独立地发展起来的。进化规划最早由美国的L.J.
Fogel、A.J.Owens和M.J.Walsh提出;进化策略则由德国的I.Rechenb
erg和H.P.Schwefel建立。

铿锵玫瑰

在发酵过程如何应用遗传算法呢?我不太懂.

为人

看了一下书，没有明白。有个你做的发酵上的实例吗？最好一步步怎么做都有。

细履平沙

许多文献上都有,先看看.遇到具体问题再讨论!

wmm19831105

总版主，你好！
我想问一下，做培养基优化时，我在用matlab7.0遗传算法工具箱时，Fitness function 因该怎么写啊？

细履平沙

这个方程需要通过其它方法获得:比如响应面试验,正交等.

lyjhuanlan

我优化发酵培养基是用的神经网络耦合遗传算法。这里还有谁用这个？能跟我联系一下吗？我有点问题想问，谢谢了