遺傳算法是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過(guò)程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。通過(guò)本課程的學(xué)習(xí)，使學(xué)生了解遺傳算法的生物學(xué)基礎(chǔ)、特點(diǎn)、發(fā)展及應(yīng)用;理解SGA、GA的一些基本及高級(jí)實(shí)現(xiàn)技術(shù);掌握模式的概念和模式定理的含義;了解進(jìn)行遺傳算法評(píng)價(jià)的常用測(cè)試函數(shù)，SGA的收斂性分析;了解遺傳算法在多領(lǐng)域中的應(yīng)用。

　　同學(xué)們?nèi)绻谶z傳算法專業(yè)課程的學(xué)習(xí)中遇到任何問(wèn)題，都可以和我們的留學(xué)生輔導(dǎo)老師進(jìn)行在線一對(duì)一的教學(xué)輔導(dǎo)，老師在遺傳算法專業(yè)學(xué)習(xí)輔導(dǎo)中有多年的教學(xué)經(jīng)驗(yàn)，可以根據(jù)不同學(xué)生的基礎(chǔ)情況來(lái)制定專屬的輔導(dǎo)方案，下面我來(lái)簡(jiǎn)單的給同學(xué)們進(jìn)行遺傳算法學(xué)專業(yè)課程輔導(dǎo)中的一些知識(shí)點(diǎn)講解。

　　一、遺傳算法思想

　　首先初始化，包括種群的大小，編碼的方案，遺傳的代數(shù)，變異的概率，等等;然后進(jìn)行選擇操作;接著是將選擇的個(gè)體進(jìn)行交叉，;然后再進(jìn)行選擇，并將選擇的個(gè)體進(jìn)行變異;最后就是更新最優(yōu)值了。

　　二、遺傳算法優(yōu)點(diǎn)

　　遺傳算法是一種全局優(yōu)化概率算法，主要的優(yōu)點(diǎn)有：

　　1、遺傳算法對(duì)所求解的優(yōu)化問(wèn)題沒(méi)有太多的數(shù)學(xué)要求，由于他的進(jìn)化特性，搜素過(guò)程中不需要問(wèn)題的內(nèi)在性質(zhì)，對(duì)于任意形式的目標(biāo)函數(shù)和約束，無(wú)論是線性的還是非線性的，離散的還是連續(xù)的都可處理。

　　2、進(jìn)化算子的各態(tài)歷經(jīng)性使得遺傳算法能夠非常有效地進(jìn)行概率意義的全局搜素。

　　3、遺傳算法對(duì)于各種特殊問(wèn)題可以提供極大的靈活性來(lái)混合構(gòu)造領(lǐng)域獨(dú)立的啟發(fā)式，從而保證算法的有效性。

　　三、遺傳算法缺點(diǎn)

　　1、早熟。

　　這是最大的缺點(diǎn)，即算法對(duì)新空間的探索能力是有限的，也容易收斂到局部最優(yōu)解。

　　2、大量計(jì)算。

　　涉及到大量個(gè)體的計(jì)算，當(dāng)問(wèn)題復(fù)雜時(shí)，計(jì)算時(shí)間是個(gè)問(wèn)題。

　　3、處理規(guī)模小。

　　目前對(duì)于維數(shù)較高的問(wèn)題，還是很難處理和優(yōu)化的。

　　4、難于處理非線性約束。

　　對(duì)非線性約束的處理，大部分算法都是添加懲罰因子，這是一筆不小的開(kāi)支。

　　5、穩(wěn)定性差。

　　因?yàn)樗惴▽儆陔S機(jī)類算法，需要多次運(yùn)算，結(jié)果的可靠性差，不能穩(wěn)定的得到解。

　　四、課程教學(xué)重點(diǎn)、難點(diǎn)

　　教學(xué)重點(diǎn)： 遺傳算法的各種基本編碼方法、適應(yīng)度函數(shù)、選擇算子、交叉算子、變異算子。

　　教學(xué)難點(diǎn)：GA倒位算子及二倍體顯性操作算子的基本實(shí)現(xiàn); GA的運(yùn)行參數(shù)和 約束條件的處理方法;變長(zhǎng)度染色體遺傳算法、小生境遺傳算法和混合遺傳算法的基本思想。

　　在面對(duì)課程學(xué)習(xí)壓力的時(shí)候，首先同學(xué)們要調(diào)整自己的學(xué)習(xí)心態(tài)，不要給自己太大的壓力，在海外學(xué)習(xí)的過(guò)程中，難免會(huì)因?yàn)橐恍┉h(huán)境問(wèn)題和自身的學(xué)習(xí)方式問(wèn)題而出現(xiàn)一些困擾，為了節(jié)省時(shí)間，我建議同學(xué)們可以直接找我們一對(duì)一的輔導(dǎo)老師來(lái)進(jìn)行專業(yè)的輔導(dǎo)，及時(shí)的解決自身存在的課程問(wèn)題。