数据仓库与数据挖掘教程第2版第十章遗传算法与进化计算.ppt

表2：初始种群的遗传过程 选择后的交配池 交叉对象 交叉位置 新的种群 x值 f(x)=x2 01101 11000 11000 10011 2 1 4 3 4 4 2 2 01100 11001 11011 10000 12 25 27 16 144 625 729 256 总和 平均值 最大值 1754 439 729 表3：新种群参数计算 编号 初始种群位串 参数值x值 目标适应值 选择率 期望值 实选值 1 2 3 4 01100 11001 11011 10000 12 25 27 16 144 625 729 256 0.08 0.36 0.42 0.15 0.32 1.44 1.68 0.6 0 1 2 1 总和 平均值 最大值 1754 439 729 1.00 0.25 0.42 4.00 1.00 1.66 4.0 1.0 2.0 表4：新种群的遗传过程 选择后的交配池 交叉对象 交叉位置 新的种群 x值 f(x)=x2 11011 11001 11011 10000 2 1 4 3 1 1 3 3 11011 11001 11000 10011 27 25 24 19 729 625 576 361 总和 平均值 最大值 2291 572 729 标准遗传算法使用固定长度的二进制符号串，来表示群体中的个体，基因数串中的各位置均由0或1所组成。初始群体中各个个体的基因可用均匀分布的随机数来产生。 例如:X=100111001000101101就可以表示一个个体，该个体之染色体长度是n=18。 编码与解码 要进行编码工作，即将变量转换成二进位数串。串的长度取决于所要求的精度。 例如： 变量x的区间是[L,U]，要求的精度是小数点后4位，也就意味著每個变量应该被分成至少(U-L) ×104个部分。对一个变量的二进制串位数（用 表示），用以下公式计算： 编码 设某一参数的数值范围为(L,U) ，我们使用长度为K的二进制编码符号来表示该参数，则它产生2K种不同编码，可以使参数编码时的对应关系为： 00 0000 0000 0000 0000=0 → L 00 0000 0000 0000 0001=1 → L+δ 其中 00 0000 0000 0000 0010=2 → L+2δ 00 0000 0000 0000 0011=3 → L+3δ ……. ……… …… 11 1111 1111 1111 1111=2k-1 → U 设某一个体的编码为bkbk-1bk-2…b3b2b1，则对应之解码公式为： 解码 目标函數如下，求解该优化问题: 算法实例说明 若要求精度为小数点后4位，則目标函数的两个变量x1及x2所构成的染色体可以表示如下： 任一染色体串是33位，如下所示： 00 0001 0101 0010 1001 101 1110 1111 1110 33位 X1 18位 X2 15位 变量 二进制数 十进制数 实数值 x1 00 0001 0101 0010 1001 5417 -2.687969 x2 101 1110 1111 1110 24318 5.361653 初始种群可随机生成如下： U1= [0 0000 1010 1001 0100 1101 1110 1111 1110] U2= [0 0111 0101 1100 1100 0000 0101 0100 1000] U3= [1 1100 0111 0000 0100 0010 1010 0100 0110] U4= [1 0011 0110 1001 0110 1000 0000 1011 1001] U5= [0 0001 0111 1011 0001 0001 1100 0110 1000] U6= [1 1111 0101 0110 1100 0000 0101 1001 1001] U7= [1 1010 0010 1111 1000 1001 1001 1101 1101] U8= [0 0101 1010 1000 0110 0010 1100 1100 1100] U9= [1 1111 0001 0111 0110 0011 1010 0011 1101] U10=[1 1110 1001 1101 0101 0000 0101 0110 1010] 遗传算法中，用来衡量个体适应环境程度的函数 适应度函数基本有以下两种： (1)直接以待求解的目标函数的转化为适应度