资料下载
遗传算法的基本原理 基于遗传算法整定的PID控制
香香技术员
分享资料个
遗传算法简称GA（Genetic Algorithms）是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。它将“优劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适配值函数并通过遗传中的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上代的信息，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。其算法简单，可并行处理，能得到全局最优解。遗传算法的主要特点：
（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，而非局限于点；
（3）遗传算法通过目标函数来计算适配值，而不需要其他推导，从而对问题的依赖性较小：
（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，而非肓日地穷举或完全随机搜索：
（6）遗传算法对于待寻优的函数基本无限制，它既不要求函数连续，也不要求函数可微，既可以是数学解析式所表示的显函数，又可以是映射矩阵其至是神经网络的隐函数，因而应用范围较广；
（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：
（8）遗传算法更适合大规模复杂问题的优化；
（9）遗传算法计算简单，功能强。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
