遗传算法的应用

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(Genetic Algorithms，简称GAs)就是这种生物
  行为的计算机模拟中令人瞩目的重要成果。基于对生物遗传和进化过程的计算机模
  拟，遗传算法使得各种人工系统具有优良的自适应能力和优化能力。
        遗传算法所借鉴的生物学基础就是生物的遗传和进化。
1.1.1  遗传与变异
     遗传(Heredity)—— 世间的生物从其父代继承特性或性状，这种生命现象就称为
                                        遗传(Heredity)，由于遗传的作用，使得人们可以种瓜得瓜、
                                        种豆得豆，也使得鸟仍然是在天空中飞翔，鱼仍然是在水中邀
                                        游。
•  构成生物的基本结构和功能的单位是细胞(Ce11)。
  •  细胞中含有的一种微小的丝状化合物称为染色体(Chromosome)，生物的所有遗
     传信息都包含在这个复杂而又微小的染色体中。
  •  基因
          经过生物学家的研究，控制并决定生物遗传性状的染色体主要是由一种叫做脱
     氧核糖核酸(deoxyribonucleic acid  简称DNA)的物质所构成。 DNA在染色体中有
     规则地排列着，它是个大分子的有机聚合物，其基本结构单位是核苷酸，许多核苷
      酸通过磷酸二酯键相结合形成一个长长的链状结构，两个链状结构再通过碱基间的氢键有
      规律地扭合在一起，相互卷曲起来形成一种双螺旋结构。基因就是DNA长链结构中占有一
      定位置的基本遗传单位。
  •  遗传信息是由基因(Gene)组成的，生物的各种性状由其相应的基因所控制。
  •  基因是遗传的基本单位。细胞通过分裂具有自我复制的能力，在细胞分裂的过
      程中，其遗传基因也同时被复制到下一代，从而其性状也被下一代所继承。
 
•  遗传基因在染色体中所占据的位置称为基因座(Locus)；
• 同一基因座可能有的全部基因称为等位基因(Allele)；
• 某种生物所特有的基因及其构成形式称为该生物的基因型(Genotype)；
• 而该生物在环境中呈现出的相应的性状称为该生物的表现型(Phenotype)；
•  一个细胞核中所有染色体所携带的遗传信息的全体称为一个基因组(Genome)。
生物的遗传方式：
 1.  复制
         生物的主耍遗传方式是复制。遗传过程中，父代的遗传物质DNA被复制到子
    代。即细胞在分裂时，遗传物质DNA通过复制(Reproduction)而转移到新生的细
    胞中，新细胞就继承了旧细胞的基因。
 2. 交叉
         有性生殖生物在繁殖下一代时，两个同源染色体之间通过交叉(Crossover)而重
     组，亦即在两个染色体的某一相同位置处DNA被切断，其前后两串分别交义组合
     而形成两个新的染色体。
 3. 变异
         在进行细胞复制时，虽然概率很小，仅仅有可能产生某些复制差错，从而使
    DNA发生某种变异(Mutation)，产生出新的染色体。这些新的染色体表现出新的
    性状。

      如此这般，遗传基因或染色体在遗传的过程中由于各种各样的原因而发生变化。
1.1.2  进化
        地球上的生物，都是经过长期进化而形成的。根据达尔文的自然选择学说，地
    球上的生物具有很强的繁殖能力。在繁殖过程中，大多数生物通过遗传，使物种
    保持相似的后代；部分生物由于变异，后代具有明显差别，甚至形成新物种。正
    是由于生物的不断繁殖后代，生物数目大量增加，而自然界中生物赖以生存的资
    源却是有限的。因此，为了生存，生物就需要竞争。生物在生存竞争中，根据对
    环境的适应能力，适者生存，不适者消亡。自然界中的生物，就是根据这种优胜
    劣汰的原则，不断地进行进化。
          
   • 生物的进化是以集团的形式共同进行的，这样的一个团体称为群体(Population)，
      或称为种群。
   • 组成群体的单个生物称为个体(Individual)，
   • 每一个个体对其生存环境都有不同的适应能力，这种适应能力称为个体的适应度(Fitness)。
1.1.3  遗传与进化的系统观

        虽然人们还未完全揭开遗传与进化的奥秘，即没有完全掌握其机制、也不完全
    清楚染色体编码和译码过程的细节，更不完全了解其控制方式，但遗传与进化的
    以下几个特点却为人们所共识：
  (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。
遗传算法的应用
       遗传算法提供了一种求解复杂系统优化间题的通用框架，它不依赖于问题的具
   体领域，对问题的种类有很强的鲁棒性，所以广泛应用于很多学科。下面是遗传
   算法的一些主要应用领域：
  
   (1)  函数优化
            函数优化是遗传算法的经典应用领域，也是对遗传算法进行性能评价的常用算例。
            对于一些非线性、多模型、多目标的函数优化问题，用其他优化方法较难求解，用遗传算法可以方便地得到较好的结果。

   (2)  组合优化
           随着问题规模的增大，组合优化问题的搜索空间也急剧扩大，有时在目前的计算机上用枚举法很难或甚至不可能求出其精确最优解。对这类复杂问题，人们己意识到应把主要精力放在寻求其满意解上，而遗传算法是寻求这种满意解的最佳工具之一。实践证明，遗传算法对于组合优化中的NP完全问题非常有效。
           例如，遗传算法已经在求解旅行商问题、背包问题、装箱问题、图形划分问题等方面得到成功的应用。