遗传算法在数据挖掘中的应用实例分析

《遗传算法在数据挖掘中的应用实例分析》由会员分享，可在线阅读，更多相关《遗传算法在数据挖掘中的应用实例分析（3页珍藏版）》请在装配图网上搜索。

1、遗传算法在数据挖掘中的应用实例分析遗传算法(Genetic Algorithm )是模拟达尔文生物进 化论的自然选择和遗传学机理的生物进化过程的计算模 型，是一种通过模拟自然进化过程搜索最优解的方法， 它最初由美国Michigan大学J.Holland 教授于1975年首 先提出来的，并出版了颇有影响的专著Adaptation in Natural and Artificial Systems ，GA 这个名称才逐渐为 人所知，J.Holland教授所提出的GA通常为简单遗传算 法(SGA)遗传算法的基本运算过程如下：a) 初始化：设置进化代数计数器t=0，设置最大进化 代数T，随机生成M个个

2、体作为初始群体P(0)。b) 个体评价：计算群体P(t)中各个个体的适应度c) 选择运算:将选择算子作用于群体。选择的目的是把 优化的个体直接遗传到下一代或通过配对交叉产生新的 个体再遗传到下一代。选择操作是建立在群体中个体的 适应度评估基础上的。d) 交叉运算：将交叉算子作用于群体。遗传算法中起 核心作用的就是交叉算子。e) 变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代 群体P(t 1)。f) 终止条件判断:若t=T，则以进化过程中所得到的具有 最大适应度个体作为最优解输出，终止计算。由于遗传 算法的整体

3、搜索策略和优化搜索方法在计算时不依赖于 梯度信息或其它辅助知识，而只需要影响搜索方向的目 标函数和相应的适应度函数，所以遗传算法提供了一种 求解复杂系统问题的通用框架，它不依赖于问题的具体 领域，对问题的种类有很强的鲁棒性，所以广泛应用于 许多科学，下面我们将介绍遗传算法的一些主要应用领 域：函数优化函数优化是遗传算法的经典应用领域，也是遗传算法 进行性能评价的常用算例，许多人构造出了各种各样复 杂形式的测试函数：连续函数和离散函数、凸函数和凹 函数、低维函数和高维函数、单峰函数和多峰函数等。 对于一些非线性、多模型、多目标的函数优化问题，用 其它优化方法较难求解，而遗传算法可以方便的得到较 好的结果。组合优化随着问题规模的增大，组合优化问题的搜索空间也急 剧增大，有时在目前的计算上用枚举法很难求出最优解 对这类复杂的问题，人们已经意识到应把主要精力放在 寻求满意解上，而遗传算法是寻求这种满意解的最佳工 具之一。实践证明，遗传算法对于组合优化中的NP问题 非常有效。例如遗传算法已经在求解旅行商问题、背包 问题、装箱问题、图形划分问题等方面得到成功的应用。此外，GA也在生产调度问题、自动控制、机器人学、 图象处理、人工生命、遗传编码和机器学习等方面获得 了广泛的运用。