一种搜索最危险滑面的遗传算法
【专利摘要】本发明公布了一种搜索最危险滑面的遗传算法，包括如下步骤：第一步：确定出个体的表现型X和问题的解空间；第二步：确定目标函数及其数学描述形式或量化方法；第三步：确定出个体的基因型X及遗传算法的搜索空间；第四步：确定出由个体基因型X到个体表现型X的对应关系或转换方法；第五步：确定出由目标函数值f(X)到个体适应度Fitness(X)的转换规则；第六步：确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法；第七步：确定种群规模Np、交叉概率Pc、变异概率Pm、进化代数Nt等参数。本发明的算法可以较为准确的模拟自然界中的生物进化过程，能够实现由问题空间到搜索空间（可行解域）的映射。
【专利说明】一种搜索最危险滑面的遗传算法
【技术领域】
[0001]本发明涉及一种搜索最危险滑面的遗传算法。
【背景技术】
[0002]物种之间和物种内部相互竞争，只有适应环境的才能生存下来，这就是达尔文进化论的核心思想。孟德尔提出的遗传学说(又称基因学说)就是染色体遗传学说。生命很容易被毁灭，看来极其脆弱，但有时能在极其恶劣的环境中生存，显示出非常顽强的生命力。远古时代产生的单细胞，在经历无数的恶劣环境下，从简单的生命形式，由低级到高级、从简单到复杂，不断地进化延续，产生了人这种有语言、有智力的高级生命体，就是自然演化的过程。
[0003]这个自然演化过程，就是使得生命体逐步达到适应环境的最佳结构与效果，从本质上看，就是一个学习与优化的过程。它一方面通过模拟达尔文“优胜劣汰、适者生存”的机制来激励更能适应环境的更好的结构；另外一方面又通过模拟孟德尔遗传变异原理，在迭代过程中保持已有的结构，同时寻找更好的结构。
[0004]遗传算法(Genet i c AI gor i thm,简称GA )受自然演化过程的启发,模拟生物的进化过程，这是一种自适应全局搜索算法。
【发明内容】
[0005]本发明目的是针对现有技术存在的缺陷提供一种搜索最危险滑面的遗传算法。
[0006]本发明为实现上述目的，采用如下技术方案:一种搜索最危险滑面的遗传算法，包括如下步骤:
第一步:确定出个体的表现型X和问题的解空间；
第二步:确定目标函数及其数学描述形式或量化方法；
第三步:确定出个体的基因型X及遗传算法的搜索空间；
第四步:确定出由个体基因型X到个体表现型X的对应关系或转换方法；
第五步:确定出由目标函数值f (X)到个体适应度Fitness (X)的转换规则；
第六步:确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法；
第七步:确定种群规模Np、交叉概率Pc、变异概率Pm和进化代数Nt参数。
[0007]本发明的有益效果:本发明的算法可以较为准确的模拟自然界中的生物进化过程，能够实现由问题空间到搜索空间(可行解域)的映射。
【具体实施方式】
[0008]本发明涉及一种搜索最危险滑面的遗传算法，包括如下步骤:
第一步:确定出个体的表现型X和问题的解空间；
第二步:确定目标函数及其数学描述形式或量化方法；
第三步:确定出个体的基因型X及遗传算法的搜索空间，也就是确定表示可行解的染色体编码方法；
第四步:确定出由个体基因型X到个体表现型X的对应关系或转换方法，也就是确定解码方法；
第五步:确定出由目标函数值f (X)到个体适应度Fitness (X)的转换规则；也就是确定个体适应度的量化评价方法；
第六步:确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法；也就是设计遗传算子。
[0009]第七步:确定种群规模Np、交叉概率Pc、变异概率Pm、进化代数Nt等参数。即确定遗传算法的有关运行参数。
[0010]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种搜索最危险滑面的遗传算法，其特征在于，包括如下步骤:第一步:确定出个体的表现型X和问题的解空间；第二步:确定目标函数及其数学描述形式或量化方法；第三步:确定出个体的基因型X及遗传算法的搜索空间；第四步:确定出由个体基因型X到个体表现型X的对应关系或转换方法；第五步:确定出由目标函数值f (X)到个体适应度Fitness (X)的转换规则；第六步:确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法；第七步:确定种群规模Np、交叉概率Pc、变异概率Pm和进化代数Nt参数。
【文档编号】G06N3/12GK103745259SQ201310725717
【公开日】2014年4月23日 申请日期:2013年12月25日 优先权日:2013年12月25日
【发明者】周圆兀, 刘娥珍 申请人:广西科技大学