遗传算法在多目标优化中的应用目录一、遗传算法概述1.1遗传算法的生物学基础生物在自然界中的生存繁衍，显示出了其对自然环境的自适应能力。受其启发，人们致力于对生物各种生存特性的机理研究和行为模拟，为人工自适应系统的设计和开发提供了广阔的前景。遗传算法(GeneticAlgorithms，简称GAs)所借鉴的生物学基础是生物的遗传和进化。(1)生物的所有遗传信息都包含在其染色体中，染色体决定了生物的性状；(2)染色体是由基因及其有规律的排列所构成的，遗传和进化过程发生在染色体上；(3)生物的繁殖过程是由其基因的复制过程来完成的；(4)通过同源染色体之间的交叉或染色体的变异会产生新的物种，使生物呈现新的性状。(5)对环境适应性好的基因或染色体经常比适应性差的基因或染色体有更多的机会遗传到下一代。1.2遗传算法搜索机制1.3遗传算法的发展(1)萌芽期(50年代后期至70年代初期)•50年代后期，一些生物学家着手采用电子计算机模拟生物的遗传系统，尽管这些工作纯粹是研究生物现象，但其中已使用现代遗传算法的一些标识方式。•1965年，德国的L.Rechenberg等人正式提出进化策略的方法，当时的进化策略只有一个个体，而且进化操作也只有变异一种。•1965年，美国的L.j.Fogel正式提出进化规划，在计算中采用多个个体组成的群体，而且只运用变异操作。•60年代期间，美国J.H.Holland在研究自适应系统时，提出系统本身与外部环境相互协调的遗传算法。1968年，J.H.Holland教授又提出模式理论，它成为遗传算法的主要理论基础。•1967年，Bagley发表了关于遗传算法应用的论文，在其论文中首次使用“遗传算法（GeneticAlgorithm）”一词。(2)成长期(70年代中期至80年代末期)•1975年，J.H.Holland教授的专著《AdaptationinNaturalandArtificialSystem》正式出版，全面地介绍了遗传算法，人们常常把这一事件视作遗传算法问世的标志，Holland也被视作遗传算法的创始人。•1975年，De.Jong在其博士论文中结合模式定理进行了大量的纯数值函数优化计算实验，树立了遗传算法的工作框架，得到了一些重要且具有指导意义的结论。•1987年，美国D.Lawrence总结人们长期从事遗传算法的经验，公开出版《GeneticAlgorithmandSimulatedAnnealing》一书，以论文集形式用大量实例介绍遗传算法。•1985年，作为Holland的学生，D.E.Goldberg博士出版专著《GeneticAlgorithms——inSearch，OptimizationandMachineLearning》，全面、系统地介绍遗传算法，使这一技术得到普及与推广。该书被人们视为遗传算法的教科书。•1985年，在美国举行第一届遗传算法国际学术会议(InternationalConferenceonGeneticAlgorithms，简称ICGA），与会者交流运用遗传算法的经验。随后，每2年左右都举行一次这种会议。(3)发展期(90年代以后)90年代，遗传算法不断地向广度和深度发展。•1991年，D.Lawrence出版《HandbookofGeneticAlgorithms》一书，详尽地介绍遗传算法的工作细节。•1996年Z.Michalewicz的专著《遗传算法+数据结构=进化程序》深入讨论了遗传算法的各种专门问题。同年，T.Back的专著《进化算法的理论与实践：进化策略、进化规划、遗传算法》深入阐明进化算法的许多理论问题。•1992年，Koza出版专著《GeneticProgramming:ontheProgrammingofComputerbyMeansofNaturalSelection》，该书全面介绍了遗传规划的原理及应用实例，表明遗传规划己成为进化算法的一个重要分支。•1994年，Koza又出版第二部专著《GeneticProgrammingⅡ:AutomaticDiscoveryofReusablePrograms》，提出自动定义函数的新概念，在遗传规划中引入子程序的新技术。同年，K.E.Kinnear主编《AdvancesinGeneticProgramming》，汇集许多研究工作者有关应用遗传规划的经验和技术。1.4基本遗传算法（SGA）1.4.1基本遗传算法的构成要素(1)染色体编码方法基本遗传算法使用固定长度的二进制符号串来表示群体中的个体，其等位基因由二值符号集{0，1}组成。初始群体中各个个体的基因值用均匀分布的随机数来生成。如：100111001000101101，就可表示一个个体，该个体的染色体长