一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法

摘要

本发明公开一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法，包括步骤1：根据问题对象构造目标函数f(x)；步骤2：将问题对象编码成遗传算法的染色体，自动计算或输入运行参数，并初始化；步骤3：根据对目标函数f(x)的评价，通过本发明的拉马克“获得性遗传算子”和“用进废退算子”对当前(第k代)种群进行迭代优化；步骤4：输出问题对象的最优解集。本发明将拉马克进化论的“获得性遗传”和“用进废退”自然法则与现代“表征遗传学”和达尔文进化论的“适者生存”自然法则内在结合，简化遗传算法结构，克服现有算法的多项技术缺陷，提高其效率、全局最优性和后期进化的可持续性，使更多的全局优化、搜索和机器学习问题得到更好的解决。