遗传算法起源于20世纪60年代对自然和人工自适应系统的研究．首先由美国的J.H.Holland教授提出；到80年代中期后．对这种方法的研究开始进入高潮。从90年代开始．我国也开展了遗传算法研究．现己成为继专家系统、人工神经网络之后．又一门受人青睐的学科。遗传算法是一种仿效生物的进化与遗传．根据”‘生存竞争”和‘”优胜劣汰”的原则．通过编码、适应度计算、复制、交换和突变等操作．使所要解决的问题从初始解逐步逼近最优解的新型寻优技术。由于遗传算法不受搜真空规管索空间限制，实行非定向随机搜索．计算方法简单，具有灵活性与稳健性．近年来．许多学者将其应用于众多领域．如组合优化、机器学习、自适应控制、规划设计和人工生命、管线网络拓扑结构确定等．解决了许多其他科学技术无法解决或难以解决的多变量及非线性的复杂问题。
近年来，随着计算机技术的迅猛发展，各种优化方法在矿山工程中得到r广泛应用，并取得显著效果。然而，由于矿山工程自身的特点．许多结构性的技术决策仍未实现优化，于是不少学者便开始寻求新的优化算法。经过多年的探索和研究，国内外学者发现遗传算法具有独特的优点，便将研究的焦点转向这种算法。虽然遗传算法在矿山优化设计中的应用研究才开始10几年，但己经取得了初步成果，具有广阔的应用前景。
遗传算法原理
遗传算法是一种群体型操作，操作的对象是群体中的所有个体。它是将优化问题的1组初始可行解编码为1组字符串，每组字符串包含多个子字符串，每个子字符串都是日标函数空间中某个参数的编码。由子字符串的某一位或几位组合成为1个基因，每个这样的字符串代表1个寻优日标空间内的可行解。根据优化问题的日标函数，每个可行解对应1个目标函数，即适应度。经过编码、计算适应度排水板价格、复制、交换和突变等操作，生成多个基本可行解，这些可行解的集合称为1个真空负压单位群体。该群体通过寻优迭代生成的新的可行解群体，称为1代塑料排水板的使用。
详情请见附件！
