1、1、GA的基本原理的基本原理遗传算法首先采用某种编码方式将解空间映射到编码空间,每个编码对应问题的一个解,称为个体或染色体,再随机确定起始的一群个体,称为种群。在后续迭代中,按照适者生存原理,根据适应度大小挑选个体,并借助各种遗传算子对个体进行交叉和变异,生成代表新的解集的种群,该种群比前代更适应环境,如此进化下去直到满足优化准则。此时末代个体,经过解码,可作为问题近似最优解。GA的理论基础的理论基础(1)模式定理定义1:出现在模式H 中的0 或1 的数目称为模式H 的阶,记作O(H)。如:O(10*1)=3。定义2:模式H 中第一个确定位置和最后一个确定位置之间的距离称为模式H 的定义距,记
2、作(H)。如:(10*1)=4。模式定理:具有低阶、短定义距和平均适应度高于种群平均适应度的模式在后代中呈指数增长。(2)积木块假设积木块假设:遗传算法通过短定义距、低阶和高平均适应度的模式(积木块),在遗传操作下相互结合,最终接近全局最优解。模式定理保证了遗传算法找到全局最优解的可能性存在,而积木块假设指出了在遗传操作下能生成全局最优解。两者构成了分析遗传算法进化行为的基本理论。产生初始种群计算适应度是否满足终止条件输出最优个体YES选择交叉变异NO),(),(2,2),(),(),(2/12/1,a ba bjibahbajiRbahbaffabjimanbjibahnmjiDbaf11,),(1),(),(输入图像数据和模板图像数据计算模板图像的特征确定下一个字图像的位置计算子图像的特征计算子图与模板图之间的相似度确定匹配目标匹配阈值？NOYES确定控制参数，编码并初始化种群代数为1计算个体适应度值并归一化执行选择算子，父带选择概率正比于适应度执行交叉算子，以Pc概率进行交叉操作执行变异算子，以Pb概率进行变异操作终止函数是否进行到设定代数代数自增1输出最佳匹配位置YESYESNONO
