Difference between revisions 32757212 and 32757214 on zhwiki

生物的进化（Evolution)过程主要是通过染色体之间的交叉和变异来完成的。基于对自然界中生物遗传与进化机理的模仿，针对不同的问题，很多学者设计了许多不同的编码方法来表示问题的可行解，开发出了许多种不同的遗传算子来模仿不同环境下的生物遗传特性。这样，由不同的编码（Coding）方法和不同的遗传算子就构成了各种不同的遗传算法。

遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，它借鉴了 达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应的控制搜索过程以求得最优解。遗传算法操作使用适者生存的原则，在潜在的解决方案种群中逐次产生一个近似最优解的方案，在遗传算法的每一代中，根据个体在问题域中的适应度值和从自然遗传学中借鉴来的再造方法进行个体选择，产生一个新的近似解。这个过程导致种群中个体的进化，得到的新个体比原来个体更能适应环境，就像自然界中的改造一样。

(contracted; show full)|title=Adaptive Particle Swarm Optimization
|journal=IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics
|year=2009
|volume=39
|issue=6
|pages=1362–1381
|doi=10.1109/TSMCB.2009.2015956
|url=http://
ieeexplore.ieee.org/xpl/articleDetails.jsp?reload=true&arnumber=4812104&punumber%3D3477eprints.gla.ac.uk/7645/1/7645.pdf
}}
</ref>

<ref name=CAutoD04>
{{cite journal
|last1=Li
|first1=Yun, et al
|title=CAutoCSD-evolutionary search and optimisation enabled computer automated control system design
|journal=International Journal of Automation and Computing
|year=2004
|volume=1
|issue=1
|pages=76–88
|doi=10.1007/s11633-004-0076-8
|url=http://eprints.gla.ac.uk/3818/1/IJAC_04_CAutoCSD.pdf
}}
</ref>

<ref name=GA_SMC96>
{{cite journal
|last1=Li
|first1=Yun, et al
|title=Genetic algorithm automated approach to the design of sliding mode control systems
|journal=International Journal of Control
|year=1996
|volume=64
|issue=3
|pages=721–739
|doi=10.1080/00207179608921865
|url=http://userweb.eng.gla.ac.uk/yun.li/ga_demo/
}}
</ref>

<ref name=GA_circuits01>
{{cite conference
|last1=Goh
|first1=Cindy
|last2=Li
|first2=Yun
|title=GA automated design and synthesis of analog circuits with practical constraints
|booktitle=Proceedings of the IEEE Congress on Evolutionary Computation 2001
|year=2001
|volume=1
|pages=170–177
|doi=10.1109/CEC.2001.934386
|url=http://userweb.eng.gla.ac.uk/yun.li/ga_demo/
}}
</ref>

<ref name=GA_fuzzy94>
{{cite conference
|last1=Ng
|first1=Kim Chwee
|last2=Li
|first2=Yun
|title=Design of sophisticated fuzzy logic controllers using genetic algorithms
|booktitle=Proceedings of the Fourth Congress on Evolutionary Computation (CEC)
|year=1994
|volume=3
|pages=1708–1712
|doi=10.1109/FUZZY.1994.343598
|url=http://userweb.eng.gla.ac.uk/yun.li/ga_demo/
}}
</ref>

}}
⏎
⏎
* Goldberg, David E (1989), ''遗传算法：搜索、优化和机器学习''，Kluwer Academic Publishers, Boston, MA.
* Goldberg, David E (2002), ''创新的设计：竞争遗传算法课程''，Addison-Wesley, Reading, MA.
* Harvey, Inman (1992), ''物种适应和遗传算法持续进行的基础'' in 'Toward a Practice of Autonomous Systems: Proceedings of the First European Conference on Artificial Life', F.J. Varela and P. Bourgine (eds.), MIT Press/Bradford Books, Cambridge, MA, pp. 346-354.
(contracted; show full)* [http://www-illigal.ge.uiuc.edu/IlliGAL 伊利诺斯遗传算法实验室] - 可以下载技术报告和程序源代码。
* [http://www.it-weise.de/projects/book.pdf Global Optimization Algorithms - Theory and Application]

[[Category:算法]]
[[Category:遗传算法]]
[[Category:最优化算法]]
[[Category:人工智能]]
[[Category:人工智能应用]]