2012年数学建模之遗传算法(基本算法).ppt

遗传算法之基本算法 国防科技大学理学院数学系 成礼智 2011年夏季学期数学建模竞赛讲座 智能优化计算 运行程序 7 算法的设计与实现 智能优化计算 运行程序 7 算法的设计与实现 智能优化计算 运行程序 7 算法的设计与实现 智能优化计算 运行程序 7 算法的设计与实现 智能优化计算 模式 将种群中的个体即基因串中的相似样板称为模式。 在二进制编码的串中，模式是基于三个字符集（0，1，*）的字符串，符号*代表任意字符，即0或1。 如模式 *1* 描述了一个四个元的子集{010，011，110，111}。 8 模式定理 智能优化计算 模式阶和定义距 模式 H 中确定位置的个数称为模式 H 的模式阶，记作 O(H)，如 O(0 1 1 * 1 *)=4。 模式阶用来反映不同模式间确定性的差异，模式阶越高，模式的确定性就越高，所匹配的样本个数就越少。 8 模式定理 智能优化计算 模式阶和定义距 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 称为模式的定义距，记作 δ(H)，如 δ(0 1 1 * 1 * *)=4。 阶数相同的模式会有不同的性质，定义距就反映了这种 性质的差异。 8 模式定理 智能优化计算 模式定理（schema theorem） 在给定时间步 t ,一个特定模式 H 有 m 个代表串包含在种群 A(t) 中，记为 m=m(H,t)，在再生阶段，每个串根据它的适应值进行复制，一个串 Ai 的再生概率为 8 模式定理 智能优化计算 模式定理（schema theorem） 当采用非重叠的 n 个串的种群替代种群 A(t)，可以得到： 其中 f(H) 是在时间 t 表示模式 H 的串的平均适应度。 8 模式定理 智能优化计算 常用选择方法 局部选择法（local selection） (1)线形邻集 4 遗传操作——选择 在局部选择法中，每个个体处于一个约束环境中，称为局部邻域(而其他选择方法中视整个种群为个体之邻域)，个体仅与其邻近个体产生交互，该邻域的定义由种群的分布结构给出。邻域可被当作潜在的交配伙伴。 首先均匀随机地选择一半交配种群，选择方法可以是随机遍历方法也可以是截断选择方法，然后对每个被选个体定义其局部邻域，在邻域内部选择交配伙伴。 智能优化计算 常用选择方法 局部选择法（local selection） (2)两对角邻集 4 遗传操作——选择 智能优化计算 常用选择方法 局部选择法（local selection） (2)两对角邻集 4 遗传操作——选择 智能优化计算 常用选择方法 截断选择法（truncation selection） 个体按适应度排列，只有优秀个体能够称为父个体，参数为截断阀值（被选作父个体的百分比）。 4 遗传操作——选择 0.34 0.8 0.97 1.2 1.76 2.66 选择强度 80％ 50％ 40％ 20％ 10％ 1％ 截断阀值 智能优