一種搜索最危險滑面的遺傳算法
【專利摘要】本發(fā)明公布了一種搜索最危險滑面的遺傳算法，包括如下步驟：第一步：確定出個體的表現(xiàn)型X和問題的解空間；第二步：確定目標函數(shù)及其數(shù)學(xué)描述形式或量化方法；第三步：確定出個體的基因型X及遺傳算法的搜索空間；第四步：確定出由個體基因型X到個體表現(xiàn)型X的對應(yīng)關(guān)系或轉(zhuǎn)換方法；第五步：確定出由目標函數(shù)值f(X)到個體適應(yīng)度Fitness(X)的轉(zhuǎn)換規(guī)則；第六步：確定出選擇運算、交叉運算、變異運算等遺傳算子的具體操作方法；第七步：確定種群規(guī)模Np、交叉概率Pc、變異概率Pm、進化代數(shù)Nt等參數(shù)。本發(fā)明的算法可以較為準確的模擬自然界中的生物進化過程，能夠?qū)崿F(xiàn)由問題空間到搜索空間（可行解域）的映射。
【專利說明】一種搜索最危險滑面的遺傳算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種搜索最危險滑面的遺傳算法。
【背景技術(shù)】
[0002]物種之間和物種內(nèi)部相互競爭，只有適應(yīng)環(huán)境的才能生存下來，這就是達爾文進化論的核心思想。孟德爾提出的遺傳學(xué)說(又稱基因?qū)W說)就是染色體遺傳學(xué)說。生命很容易被毀滅，看來極其脆弱，但有時能在極其惡劣的環(huán)境中生存，顯示出非常頑強的生命力。遠古時代產(chǎn)生的單細胞，在經(jīng)歷無數(shù)的惡劣環(huán)境下，從簡單的生命形式，由低級到高級、從簡單到復(fù)雜，不斷地進化延續(xù)，產(chǎn)生了人這種有語言、有智力的高級生命體，就是自然演化的過程。
[0003]這個自然演化過程，就是使得生命體逐步達到適應(yīng)環(huán)境的最佳結(jié)構(gòu)與效果，從本質(zhì)上看，就是一個學(xué)習與優(yōu)化的過程。它一方面通過模擬達爾文“優(yōu)勝劣汰、適者生存”的機制來激勵更能適應(yīng)環(huán)境的更好的結(jié)構(gòu)；另外一方面又通過模擬孟德爾遺傳變異原理，在迭代過程中保持已有的結(jié)構(gòu)，同時尋找更好的結(jié)構(gòu)。
[0004]遺傳算法(Genet i c AI gor i thm,簡稱GA )受自然演化過程的啟發(fā),模擬生物的進化過程，這是一種自適應(yīng)全局搜索算法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的是針對現(xiàn)有技術(shù)存在的缺陷提供一種搜索最危險滑面的遺傳算法。
[0006]本發(fā)明為實現(xiàn)上述目的，采用如下技術(shù)方案:一種搜索最危險滑面的遺傳算法，包括如下步驟:
第一步:確定出個體的表現(xiàn)型X和問題的解空間；
第二步:確定目標函數(shù)及其數(shù)學(xué)描述形式或量化方法；
第三步:確定出個體的基因型X及遺傳算法的搜索空間；
第四步:確定出由個體基因型X到個體表現(xiàn)型X的對應(yīng)關(guān)系或轉(zhuǎn)換方法；
第五步:確定出由目標函數(shù)值f (X)到個體適應(yīng)度Fitness (X)的轉(zhuǎn)換規(guī)則；
第六步:確定出選擇運算、交叉運算、變異運算等遺傳算子的具體操作方法；
第七步:確定種群規(guī)模Np、交叉概率Pc、變異概率Pm和進化代數(shù)Nt參數(shù)。
[0007]本發(fā)明的有益效果:本發(fā)明的算法可以較為準確的模擬自然界中的生物進化過程，能夠?qū)崿F(xiàn)由問題空間到搜索空間(可行解域)的映射。
【具體實施方式】
[0008]本發(fā)明涉及一種搜索最危險滑面的遺傳算法，包括如下步驟:
第一步:確定出個體的表現(xiàn)型X和問題的解空間；
第二步:確定目標函數(shù)及其數(shù)學(xué)描述形式或量化方法；
第三步:確定出個體的基因型X及遺傳算法的搜索空間，也就是確定表示可行解的染色體編碼方法；
第四步:確定出由個體基因型X到個體表現(xiàn)型X的對應(yīng)關(guān)系或轉(zhuǎn)換方法，也就是確定解碼方法；
第五步:確定出由目標函數(shù)值f (X)到個體適應(yīng)度Fitness (X)的轉(zhuǎn)換規(guī)則；也就是確定個體適應(yīng)度的量化評價方法；
第六步:確定出選擇運算、交叉運算、變異運算等遺傳算子的具體操作方法；也就是設(shè)計遺傳算子。
[0009]第七步:確定種群規(guī)模Np、交叉概率Pc、變異概率Pm、進化代數(shù)Nt等參數(shù)。即確定遺傳算法的有關(guān)運行參數(shù)。
[0010]以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種搜索最危險滑面的遺傳算法，其特征在于，包括如下步驟:第一步:確定出個體的表現(xiàn)型X和問題的解空間；第二步:確定目標函數(shù)及其數(shù)學(xué)描述形式或量化方法；第三步:確定出個體的基因型X及遺傳算法的搜索空間；第四步:確定出由個體基因型X到個體表現(xiàn)型X的對應(yīng)關(guān)系或轉(zhuǎn)換方法；第五步:確定出由目標函數(shù)值f (X)到個體適應(yīng)度Fitness (X)的轉(zhuǎn)換規(guī)則；第六步:確定出選擇運算、交叉運算、變異運算等遺傳算子的具體操作方法；第七步:確定種群規(guī)模Np、交叉概率Pc、變異概率Pm和進化代數(shù)Nt參數(shù)。
【文檔編號】G06N3/12GK103745259SQ201310725717
【公開日】2014年4月23日 申請日期:2013年12月25日 優(yōu)先權(quán)日:2013年12月25日
【發(fā)明者】周圓兀, 劉娥珍 申請人:廣西科技大學(xué)