遗传算法的解析与基于遗传算法的机器学习的介绍

　　遗传算法在许多优化问题中都有成功的应用1但其本身也存在一些不足2如何改善遗传算法的搜索能力和提高算法的收敛速度1使其更好地解决实际问题1是各国学者一直探索的主要课题之一2本文综述了遗传算法中编码表示3适应度函数3选择策略3控制参数和遗传算子等方面的各种改进措施1并给出了遗传算法的发展动向。

　　遗传算法、进化规则及进化策略是演化计算的三个主要分支“这三种典型的进化算法都以自然界中生物的进化过程为自适应全局优化搜索过程的借鉴对象”所以三者之间有较大的相似性#另一方面“这三种算法又是从不完全相同的角度出发来模拟生物的进化过程”分别是依据不同的生物进化背景，不同的生物进化机制而开发出来的“所以三者之间也有一些差异$随着各种进化计算方法之间相互交流的深入”以及对各种进化算法机理研究的进展“要严格地区分它们既不可能”也没有必要$在进化计算领域内更重要的工作是生物进化机制“构造性能更加优良、适应面更加广泛的进化算法。