遗传算法的发展历程.docx

遗传算法的发展历程遗传算法(GeneticAlgorithm,GA)是近年来迅速发展起来的一种全新的随机搜索与优化算法,其基本思想是基于Darwin的进化论和Mendel的遗传学说该算法由密执安大学教授Holland及其学生于1975年创建此后，遗传算法的研究引起了国内外学者的关注1967年，Holland的学生J.D.Bagley在博士论文中首次提出“遗传算法(GeneticAlgorithms)”一词此后，Holland指导学生完成了多篇有关遗传算法研究的论文1971年，R.B.Hollstien在他的博士论文中首次把遗传算法用于函数优化1975年是遗传算法研究历史上十分重要的一年这一年Holland出版了他的著名专著《自然系统和人工系统的自适应》，这是第一本系统论述遗传算法的专著，因此有人把1975年作为遗传算法的诞生年Holland在该书中系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和发展极其重要的模式理论该理论首次确认了结构重组遗传操作对于获得隐并行性的重要性同年，K.A.DeJong完成了他的博士论文《一类遗传自适应系统的行为分析》该论文所做的研究工作，可看作是遗传算法发展进程中的一个里程碑，这是因为，他把Holland的模式理论与他的计算实验结合起来。

尽管DeJong和Hollstien—样主要侧重于函数优化的应用研究，但他将选择、交叉和变异操作进一步完善和系统化，同时又提出了诸如代沟等新的遗传操作技术可以认为，DeJong的研究工作为遗传算法及其应用打下了坚实的基础，他所得出的许多结论，迄今仍具有普遍的指导意义进入八十年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题1985年，在美国召开了第一届遗传算法国际会议，并且成立国际遗传算法学会，以后每两年举行一次1989年，Holland的学生D.E.Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》该书总结了遗传算法研究的主要成果，对遗传算法及其应用作了全面而系统的论述同年，美国斯坦福大学的Koza基于自然选择原则创造性地提出了用层次化的计算机程序来表达问题的遗传程序设计方法，成功地解决了许多问题在欧洲，从1990年开始每隔一年举办一次ParallelProblemSolvingfromNature学术会议，其中遗传算法是会议主要内容之一此外，以遗传算法的理论基础为中心的学术会议还有FoundationsofGeneticAlgorithms，该会也是从1990年开始隔年召开一次。

这些国际会议论文，集中反映了遗传算法近些年来的最新发展和动向1991年，L.Davis编辑出版了《遗传算法手册》，其中包括了遗传算法在工程技术和社会生活中的大量应用实例1992年，Koza发表了他的专著《遗传程序设计：基于自然选择法则的计算机程序设计》”1994年，他又出版了《遗传程序设计，第二册:可重用程序的自动发现》深化了遗传程序设计的研究，使程序设计自动化展现了新局面有关遗传算法的学术论文也不断在《ArtificialIntelligence》、《MachineLearning》、《Informationscienee》、《ParallelComputing〉等杂志上发表1993年，MIT出版社创刊了新杂志《EvolutionaryComputation》1997年，IEEE又创干刊了《TransactionsonEvolutionaryComputation》《AdvaneedComputationalIntelligenee》杂志即将发刊，由模糊集合创始人L.A.Zadeh教授为名誉主编目前，关于遗传算法研究的热潮仍在持续，越来越多的从事不同领域的研究人员已经或正在置身于有关遗传算法的研究或应用之中。

进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面随着应用领域的扩展，遗传算法的研究出现了几个引人注目的新动向：一是基于遗传算法的机器学习，这一新的研究课题把遗传算法从历来离散的搜索空间的优化搜索算法扩展到具有独特的规则生成功能的崭新的机器学习算法这一新的学习机制对于解决人工智能中知识获取和知识优化精炼的瓶颈难题带来了希望二是遗传算法正日益和神经网络、模糊推理以及混沌理论等其它智能计算方法相互渗透和结合，这对开拓21世纪中新的智能计算技术将具有重要的意义三是并行处理的遗传算法的研究十分活跃这一研究不仅对遗传算法本身的发展，而且对于新一代智能计算机体系结构的研究都是十分重要的四是遗传算法和另一个称为人工生命的崭新研究领域正不断渗透所谓人工生命即是用计算机模拟自然界丰富多彩的生命现象，其中生物的自适应、进化和免疫等现象是人工生命的重要研究对象，而遗传算法在这方面将会发挥一定的作用。

五是遗传算法和进化规划以及进化策略等进化计算理论日益结合EP和ES几乎是和遗传算法同时独立发展起来的，同遗传算法一样，它们也是模拟自然界生物进化机制的智能计算方法，即同遗传算法具有相同之处，也有各自的特点目前，这三者之间的比较研究和彼此结合的探讨正形成热点1991年D.Whitey在他的论文中提出了基于领域交叉的交叉算子，这个算子是特别针对用序号表示基因的个体的交叉，并将其应用到了TSP问题中，通过实验对其进行了验证D.HAckley等提出了随即迭代遗传爬山法采用了一种复杂的概率选举机制，此机制中由m个“投票者”来共同决定新个体的值（m表示群体的大小）实验结果表明，SIGH与单点交叉、均匀交叉的神经遗传算法相比，所测试的六个函数中有四个表现出更好的性能，而且总体来讲，SIGH比现存的许多算法在求解速度方面更有竞争力H.Bersini和G.Seront将遗传算法与单一方法结合起来，形成了一种叫单一操作的多亲交叉算子，该算子在根据两个母体以及一个额外的个体产生新个体，事实上他的交叉结果与对三个个体用选举交叉产生的结果一致同时，文献还将三者交叉算子与点交叉、均匀交叉做了比较，结果表明，三者交叉算子比其余两个有更好的性能。

目前，关于遗传算法研究的热潮仍在持续，越来越多的从事不同领域的研究人员已经或正在置身于有关遗传算法的研究或应用之中。