【科研训练与前沿讲座课程论文：遗传算法概述1700字】

科研训练与前沿讲座课程论文—遗传算法概述目录TOC\o"1-2"\h\u2145一、引言 17818二、遗传算法概念 125490三、遗传算法的特点 12908四、遗传算法的优势 218184五、遗传算法的主要研究领域 229656六、遗传算法现状 28990结语 3引言关于遗传算法这一概念，在1975年，最早是由密执安大学教授和他的学生共同创造的。迄今为止，在各个领域得到了广泛的普及和应用，遗传算法是一种新型的搜索功能升级算法，是根据达尔文的进化论和孟德尔的遗传学说演变而来，在近些年的发展中，受到了国内外相关学者的瞩目和青睐。在1985年，国际学者召开了相关会议，研讨了遗传算法的概念及规律，为遗传算法的应用和发展带来了深远的影响。由于目前遗传算法的应用领域愈加广泛，为个行业解决了很多难题，譬如：车间的流水线调度、车间的作业量调度、图像的处理以及大数据的计算等，本论文主要将遗传算法进行总结，根据基础概念、主要优势以及适用领域等各个方面展开详细的探究，提高各个领域的学者对遗传算法的认知度。二、遗传算法概念遗传算法是以生物学理论与遗传学理论为基础，并进行拓展和优化，遗传算法在计算机系统中，通常以模拟形式出现，优化的重点内容是以个别染色体的种类进行对此，并展开分解和净化，利用传统的计算方式，制作成二进制表以及其他图例。进化过程是随机抽取个别种群，然后代代相传，针对每一个新增种群，对其适应能力进行评估，再随机抽取几组个体，观察其适应性，按照两种新增的种群进行计算：第一种是自然选择种群；第二种是突变新增种群，通过进化分析将产生下一代种群作为新增种群。三、遗传算法的特点遗传算法具有特殊的生物学规律，并延伸出随机搜索法，在操作方面，具有很大的优势，可以对结构主体进行分析和化验，不用通过函数以及复杂的计算方式进行求解。除此之外，还具有内隐性以及全局寻优的突出能力，利用传统的概率学计算方法，能够自动匹配、探索空间，并会随着环境的变化做出适当的调整，寻求可适应的方向，没有特定的规律。遗传算法的特殊性质，在行业领域中，被广泛采用，其中包括机器学习、人工智能等，由此可见，遗传算法是推动智能计算的核心技术。四、遗传算法的优势遗传算法在科技领域中，可以对人工智能进行优化，并成为一种搜索算法，这种算法为各个领域带来了有效的解决方案，并优化了传统算法。关于进化算法，是以进化生物学为基础理论，进一步升华拓展而来，其中还包括了以下四种现象：第一，遗传；第二，突变；第三，自然选择；第四，杂交。五、遗传算法的主要研究领域遗传算法主要涉及了以下三个领域：第一，遗传算法的理论技术；第二，遗传算法的优化升级；第三，遗传算法的系统分类。而遗传算法的理论技术分别涵盖了五个方面：第一，编码；第二，交叉运算；第三，变异运算；第四，选择运算；第五，是适应度评价等。六、遗传算法现状遗传算法的适用领域越来越广，在科技发展的今天，将遗传算法引用到科技领域中，通过人工智能与人工生命相互融合，按照遗传算法进行计算和处理，推动了遗传算法和进化算法的有机结合。截止目前，国内外诸多学者对遗传算法进行了改革，利用遗传法将单一样本行结合，将结合而成的种群进行多亲交叉计算，在这一领域的研究中，有了很大的突破。在2002年，戴小明等人将多种群遗传共同进化，并对种群的遗传规律展开全面的探究，从而获取经典遗传的最优值。在2004年，赵宏立等人根据遗传算法的规模组合进行优化，并针对搜索效率低下这一内容展开重点研究，获取了以基因代码作为并行遗传的新型算法。在2005年，江雷等人根据遗传算法对TSP问题进行求解，将弹性策略作为维持种群的多样化结构，使遗传算法不受局部因素的干扰并突破重重阻碍，完成全局优解的进化算法。结语遗传算法综合分为两大领域：第一，理论与技术领域；第二，应用和研究领域。关于理论技术领域的研究主要从六个方面进行操作：第一，遗传；第二，群体大小；第三，参数控制；第四，适应度评价；第五，实现技术。另外，应用研究领域主要从以下两个方面着手：第一，开发遗传算法的商业软件；第二，开拓广泛的遗传算法应用领域。因此，相较而言，应用研究领域是遗传算法获得长