📄 4 ． 6 优胜劣汰——遗传优化法.htm
字号:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<!-- saved from url=(0071)http://61.142.127.149/Resource/GZ/GZHX/HXBL/TZRNJSJ/20000040ZW_0034.htm -->
<HTML><HEAD><TITLE>4 ． 6 优胜劣汰——遗传优化法</TITLE><!-- META开始 -->
<META content=clsR_PAGE name=DocAppName>
<META content="" name=DocAuthor>
<META content="" name=Create>
<META content="4 ． 6 优胜劣汰——遗传优化法" name=DocComments>
<META content=0 name=DocCompany>
<META content="" name=DocKeywords>
<META content=学科资源栏目:学科教学资源:高中化学:化学博览:挑战人脑——计算机在化学中的应用 name=DocSubject>
<META content=01-3-2 name=DocCreateTm>
<META content="" name=DocLastAuthor><!-- META结束 -->
<META http-equiv=Content-Type content="text/html; charset=GB2312">
<META content="网页 图书" name=MS.Category>
<STYLE></STYLE>
<!-- STYLE开始 --><LINK href="4 ． 6 优胜劣汰——遗传优化法.files/joy.css" rel=stylesheet><!-- STYLE结束 -->
<META content="MSHTML 6.00.2800.1106" name=GENERATOR></HEAD>
<BODY><!-- 头部开始 --><IFRAME src="4 ． 6 优胜劣汰——遗传优化法.files/head.htm" frameBorder=0
width="100%" scrolling=no height=86></IFRAME><!-- 头部结束 --><!-- 导航条开始 -->
<TABLE cellSpacing=0 cols=2 cellPadding=0 width="100%" border=0>
<TBODY>
<TR>
<TD class=big bgColor=#a0d060 colSpan=2 height=25> <A
href="http://61.142.127.149/">首页</A>>><A
href="http://61.142.127.149/Special/">学科资源栏目</A>>><A
href="http://61.142.127.149/Special/Subject/">学科教学资源</A>>><A
href="http://61.142.127.149/Special/Subject/GZHX/">高中化学</A>>><A
href="http://61.142.127.149/Special/Subject/GZHX/HXTS/">化学博览</A>>><A
href="http://61.142.127.149/Special/Subject/GZHX/HXTS/TZRNJSJ/">挑战人脑——计算机在化学中的应用</A></TD></TR>
<TR>
<TD colSpan=2 height=15></TD></TR></TBODY></TABLE><!-- 导航条结束 --><!-- 属性栏开始 -->
<TABLE cellSpacing=0 cols=2 cellPadding=2 width="100%" border=0>
<TBODY>
<TR vAlign=center bgColor=#dbedc2>
<TD class=most align=left width="70%"> <IMG height=9
src="4 ． 6 优胜劣汰——遗传优化法.files/circ.gif" width=9 border=0> 4 ． 6
优胜劣汰——遗传优化法</TD>
<TD align=right width="30%"><A
href="http://61.142.127.149/asp/favorites/addtofav.asp?rid=530686&url="
target=_blank>加到收藏夹</A> <A
href="http://61.142.127.149/asp/rescat/resref.asp?rid=530686&url="
target=_blank>添加相关资源</A></TD></TR>
<TR>
<TD class=space> </TD></TR></TBODY></TABLE><!-- 属性栏结束 --><!-- 属性列表开始 --><!-- 属性列表结束 --><B><FONT
style="FONT-SIZE: 10.5pt"><BR></FONT></B>
<P align=center><B><FONT lang=EN-US>4</FONT></B><B><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">．</FONT><FONT
lang=EN-US>6 </FONT></B><B><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">优胜劣汰——遗传优化法</FONT><FONT
lang=EN-US></FONT></B></P>
<P align=center><B><FONT lang=EN-US><FONT style="mso-spacerun: yes">
</FONT></FONT></B></P>
<P style="TEXT-INDENT: 2em; TEXT-ALIGN: justify"><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">在自然界，组成生物群体的各个体由于彼此间的差异，对所处环境有不同的适应和生存能力，遵照自然界生物进化的基本原则，适者生存，优胜劣汰，要淘汰那些最差的个体，通过交配将父本优秀的染色体和基因遗传给子代，通过染色体和基因的重新组合产生生命力更强的新的个体与由它们组成的新的群体。在生物进化过程中，由于环境的变化，在特定的条件下，基因会发生突变，产生新的基因和生命力更强的新的个体，但突变是非遗传的。随着个体不断地更新，群体不断朝着最优的方向进化。遗传优化法（遗传算法）是模拟自然界生物进化机制的一种算法。它是</FONT><FONT
lang=EN-US>1960</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">年由</FONT><FONT
lang=EN-US>Holland</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">提出来的。它的特点是对参数进行编码运算，不需要有关体系的任何经验知识，沿多种路线进行平行搜索，不会落入局部较优的陷阱，能在许多局部较优中找到全局最优点，是一种全局最优化方法。</FONT></P>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">遗传算法正是模拟自然界生物进化机制进行寻优的。通常优化方法、遗传算法与生物进化的简单类比见表</FONT><FONT
lang=EN-US>4</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">．</FONT><FONT
lang=EN-US>4</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">。</FONT></P>
<P align=center><B><FONT style="FONT-SIZE: 9pt">表</FONT></B><B><FONT
style="FONT-SIZE: 9pt">4</FONT></B><B><FONT
style="FONT-SIZE: 9pt">．</FONT></B><B><FONT style="FONT-SIZE: 9pt">4
</FONT></B><B><FONT
style="FONT-SIZE: 9pt">通常优化方法、遗传算法与生物进化的类比</FONT></B><B><FONT
style="FONT-SIZE: 9pt"></FONT></B></P>
<TABLE cellSpacing=0 cellPadding=0 border=1>
<TBODY>
<TR>
<TD vAlign=top width=129>
<P align=center><FONT style="FONT-SIZE: 9pt">通常的优化方法</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P align=center><FONT style="FONT-SIZE: 9pt">遗传算法</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P align=center><FONT style="FONT-SIZE: 9pt">生物进化</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P align=center><FONT style="FONT-SIZE: 9pt">多维响应曲面</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P align=center><FONT style="FONT-SIZE: 9pt">搜索空间</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P align=center><FONT style="FONT-SIZE: 9pt">由个体组成的群体</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P align=center><FONT style="FONT-SIZE: 9pt">一次测定的响应值</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P align=center><FONT style="FONT-SIZE: 9pt">空间一个点（一个解）</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P align=center><FONT style="FONT-SIZE: 9pt">遗传产生的个体</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">响应值（由参数确定）</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">位串（由二进制编码）</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">染色体（基因序列）</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">改变参数得到更优的响应值</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">通过遗传操作更优的解</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">基因交换，突变产生更优个体</FONT><FONT lang=EN-US
style="FONT-SIZE: 9pt; mso-bidi-font-size: 12.0pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P align=center><FONT style="FONT-SIZE: 9pt">目标函数</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P align=center><FONT style="FONT-SIZE: 9pt">评价准则</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P align=center><FONT style="FONT-SIZE: 9pt">适应性</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD></TR>
<TR>
<TD vAlign=top width=129>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">迭代求极大或极小</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=133>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">≥阈值者保留，＜阈值者舍去，找到全局最优解</FONT><FONT
style="FONT-SIZE: 9pt"></FONT></P></TD>
<TD vAlign=top width=117>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-SIZE: 9pt">适者生存，优胜劣汰，获得最优的群体</FONT><FONT lang=EN-US
style="FONT-SIZE: 9pt; mso-bidi-font-size: 12.0pt"></FONT></P></TD></TR></TBODY></TABLE>
<P align=center><FONT lang=EN-US></FONT> </P>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">在遗传算法中，将被研究体系的响应曲面看作为一个群体，响应曲面上的每一个点作为群体中的一个个体，个体用多维向量或矩阵来描述，组成矩阵和向量的参数（元素）相应于生物中组成染色体的基因。染色体用固定长度的二进制位串表达。通过交换（染色体基因交换）、突变（改变染色体基因）等遗传操作，在参数的一定范围内进行随机搜索，不断改善数据结构，构造出不同的向量，相当于得到了被研究问题的不同的解（一个个体相当于一个解）。目标函数值较优的点被保留，目标函数值较差的点被淘汰。遗传操作可以越过位垒，跳出局部较优点，达到全局优化。遗传算法的计算过程如图</FONT><FONT
lang=EN-US>4</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">．</FONT><FONT
lang=EN-US>7</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">所示。</FONT></P>
<P style="TEXT-INDENT: 2em"><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">遗传算法模拟生物进化机制，可以处理连续变量参数的优化问题，特别适用于复杂非线性问题的处理。遗传算法已用于参数优化、</FONT><FONT
lang=EN-US>NMR</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">脉冲形状分析、</FONT><FONT
lang=EN-US>RNA</FONT><FONT
style="FONT-FAMILY: 宋体; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'">核苷酸测定、分子构象分析、光谱计算、分子识别、分子设计与合成路线设计等，有着广阔的应用前景。</FONT></P>
<P align=center><FONT lang=EN-US><IMG height=277
src="4 ． 6 优胜劣汰——遗传优化法.files/20000040ZW_0034_1.gif" width=342></FONT></FONT></P>
<P style="TEXT-INDENT: 2em"><FONT lang=EN-US></FONT> </P><B><FONT
style="FONT-SIZE: 10.5pt"><BR></FONT></B>
<P style="TEXT-INDENT: 2em"><FONT lang=EN-US></FONT> </P><!-- 相关资源栏开始 -->
<TABLE class=big cellSpacing=0 cols=1 cellPadding=2 width="100%" border=0>
<TBODY>
<TR>
<TD class=space> </TD></TR>
<TR bgColor=#dbedc2>
<TD vAlign=center align=left weidth="70%"> <IMG height=9
src="4 ． 6 优胜劣汰——遗传优化法.files/square.gif" width=9 border=0> 相关资源</TD>
<TD align=right width="30%"><A
href="http://61.142.127.149/asp/favorites/addtofav.asp?rid=530686&url"
target=_blank>加到收藏夹</A> <A
href="http://61.142.127.149/asp/rescat/resref.asp?rid=530686&url"
target=_blank>添加相关资源</A></TD></TR></TBODY></TABLE><!-- 相关资源栏结束 --><!-- 资源列表开始 -->
<TABLE cellSpacing=1 cols=2 cellPadding=0 width="100%" border=0>
<TBODY>
<TR>
<TD width=8> </TD>
<TD>
<UL></UL></TD></TR></TBODY></TABLE><!-- 资源列表结束 --><!-- 尾部开始 --><IFRAME
src="4 ． 6 优胜劣汰——遗传优化法.files/bottom.htm" frameBorder=0 width="100%" scrolling=no
height=160></IFRAME><!-- 尾部结束 --></BODY></HTML>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -