1.4    遗传算法的应用
遗传算法提出了一种处理复杂的实际问题的思路，这种处理问题的思路使得遗传算法与传统的优化算法相比在搜索优化方面以及搜索整体策略上更胜一筹，这个解决问题的思路使得算法处理的问题无需要考虑处于何种具体领域。也正因为得益于此，遗传算法可以在多种领域大显身手，遗传算法已经在规划设计领域、人工生命领域、优化组合领域、自动控制领域、图象处理领域等获得了广泛的运用。
具体的遗传算法的应用领域：
1、函数优化
遗传算法最常用的领域就是函数的优化，正因为这一点，如果要评价遗传算法的性能如何，许多学者也会首先考虑使用遗传算法。许多专家学者为了测试遗传算法的性能，构造出了相当复杂的测试函数：离散函数与连续函数、凹函数与凸函数、高文函数与低文函数、多峰函数与单峰函数等等。在实际运算中，一些函数问题因其多模，非线性的特点用一般的优化算法来求解会相当困难。遗传算法所具有的优越性，使得函数求解变得简便快捷。
2、组合优化
在实际运算中，随着问题规模的不断增大，组合优化问题中搜索空间急速膨胀，这让问题的复杂程度远远增加。当下计算机常用的枚举法，已经满足不了现在最优解所要求的精确度。对于这类具有一定程序复杂性的问题，要追求更高的精确度，就只能把精力放在寻求其优化问题的算法上。遗传算法则是找到这种优化问题的最优解的选择之一。实践也证明，遗传算法在各种高深难度的复杂问题下，能够得到更高精确度的最优解。
3、生产调度问题
现实生产的调度的问题，主要是靠人工的实际生产经验和工作直觉来进行调度。很多实际问题很难通过数学建模的方式来寻找答案，一是因为精确度不足，二是因为简化问题所带来的最优解与实际生产环境有着相当大的差异。在这一问题上，遗传算法因其独特的高效性，在实际生产环境中解决调度问题会首选遗传算法。在生产车间中遗传算法的应用随处可见，无论是车间和流水线上的生产，亦或是生产规划或任务分配，遗传算法的重要作用功不可没。
4、自动控制
传统的优化算法有其标准的规则，这一约束也使得自动控制领域并不能采用传统优化算法作为生产算法。因为自动控制领域需要适应多变的环境，而遗传算法则是适配多变环境的最佳算法。在航空航天控制系统中我们会常看到遗传算法的身影，自动控制器等研究也会利用到遗传算法。遗传算法对环境的适应性使其能超越传统的优化算法，所以在自动控制领域有着卓越的表现。
5、机器人学
机器人的构造，程序算法极其复杂，这也使得机器人相关的精确建模的可能性大大降低，而遗传算法的起源来自于自然界的生物进化，所以机器人学一般会选择遗传算法来使用。例如，遗传算法已经在移动机器人路径规划、关节机器人运动轨迹规划、机器人逆运动学求解、细胞机器人的结构优化和行为协调等方面得到研究和应用。
6、图像处理
扫描仪，人脸识别，往往在传统的算法优化上出现较大的误差，如何降低误差，提高准确性，就是优化算法的重要要求。遗传算法在计算机视觉图像处理与识别问题上有着重大贡献，扫描仪，人脸识别等所需的图像边缘特征提取和模式识别算法为遗传算法大展身手提供了很好的平台。
7、人工生命
人类想要移民其他星球进行居住，必要了解在外星的环境下，自然生物会得到如何的变化。而环境怎样的改变，又会引起生物做出何种改变。人工生命虽然是人造系统，可其中的算法需要模拟出自组织能力和自学习能力，这是传统优化算法所不具备的。想要研究人工生命现象的重要基础，就是遗传算法。 遗传算法的研究+文献综述(4):http://www.youerw.com/jisuanji/lunwen_12533.html