数学建模智能优化方法.pptx

1第六章 其他进化算法

2第六章其他进化算法一.进化策略二.进化规划三.遗传规划四.如何撰写学术报告

3引言德国学者I.Rechenberg和H.P.Schwefel提出了进化策略（EvolutionaryStrategy,ES）算法ES强调个体级的行为变化ES最初用于参数优化，属于实优化问题ES的几种形式：(1+1)-ES,(μ+1)-ES,(μ+λ)-ES以及(μ,λ)-ES一.进化策略

4(1+1)-ES早期ES的种群中只包含一个个体，并且只使用变异操作，变异后的个体与其父代进行比较，选择较好的作为新的父代存在的问题：各维定常的标准差降低收敛效果单点搜索效率不高（尽管可以理论上证明能够收敛到全局最优点）一.进化策略

5自适应机制在每个新个体的特征中增加了一个自适应参数，这样每个解矢量中不仅包含了其数值信息，而且还包含了变异信息一.进化策略

6(μ+1)-ES在这种ES中，父代有μ个个体(μ1)，并且引入重组算子，使父代个体组合出新的个体重组算子类似于GA中的重组运算对重组的新个体执行变异操作，见(1+1)-ES将变异后的个体与父代μ个个体进行比较，如果优于父代的最差个体，则替代后者成为下一代种群的新个体一.进化策略

7(μ+1)-ES特点：只产生一个新个体使用种群增添了重组算子一.进化策略

8(μ+λ)-ES和(μ,λ)-ES(μ+λ)-ES中，μ个父代产生λ个子代，所有个体都参与生存竞争，最好的μ个作为下一代的父代(μ,λ)-ES中，μ个父代产生λ个子代(λμ)，只有λ个子代参与生存竞争，从中选择最好的μ个作为下一代的父代优劣性分析：(μ+λ)-ES保留旧个体可能是过时的可行解，妨碍算法向最优方向发展；而(μ,λ)-ES舍弃全部旧个体，使算法始终从新的基础上全方位进化一.进化策略

9(μ+λ)-ES和(μ,λ)-ES优劣性分析：(μ+λ)-ES保留旧个体可能是局部最优解，误导算法收敛，导致“早熟”；而(μ,λ)-ES选择丢弃所有优良旧个体，可以避免“早熟”(μ+λ)-ES保留旧个体的同时也将进化参数σ保留下来，不利于自适应机制；而(μ,λ)-ES恰恰相反，有利于促进这种自适应调整一.进化策略实践也证明，(μ,λ)-ES优于(μ+λ)-ES，成为当前进化策略的主流

10引言美国学者Fogel提出了进化策略（EvolutionaryProgramming,EP）算法EP强调种群级的行为变化ES最初用于实优化问题二.进化规划

11流程Step1生产初始种群；Step2Whilenot-EndDo1)变异；2)计算个体适应值；3)选择；4)生成新种群；EndWhile.二.进化规划

12标准EP变异方式产生μ个个体，对每个个体执行变异操作，从2μ个个体中选择出μ个个体组成新的种群自适应调整依赖于适应值二.进化规划

13引言GA不能描述层次化的问题三.遗传规划

14引言GA不能描述层次化的问题三.遗传规划

15引言GA不能描述计算机程序i=1;while(i20){i=i+1;}GA缺乏动态可变性三.遗传规划

16引言1992年，JohnR.Koza正式提出了遗传规划（GeneticProgramming,GP）算法，利用结构性的表达语言来描述问题，能够解决需用不确定长度字符描述的问题。三.遗传规划

17GP的流程确定个体表达方式，即函数集和终止集随机产生初始种群计算各个个体的适应度遗传运算选择交叉变异三.遗传规划

18GP的构成要素个体表达函数集F算术运算符超越函数布尔表达式条件表达式循环表达式控制转移说明变量赋值函数其他三.遗传规划

19GP的构成要素个体表达终止集T常数变量输入三.遗传规划+*acb

20GP的构成要素初始种群的产生三.遗传规划Step1从函数集中选择根结点；Step2根据给定的最大深度分别从函数集和终止集中选择元素1)如果待定结点深度小于给定的最大深度，从函数集F及终止集T的并集C＝F∪T中选取结点2)如果待定结点深度等于给定的最大深度，从终止集T中选取结点

21GP的构成要素遗传运算选择交叉变异三.遗传规划

22问题描述算法设计算例设计仿真实验设计仿真实验结果分析总结与展望四.如何撰写学术报告