第五章 遗传算法.ppt

遗传算法的工作步骤： （1）编码：将待解空间的解数据表示成基因型串结构数据 （2）初始群体的生成：按照设定的编码方案，随机产生N个初始串结构数据，构成一个种群作为初始点开始迭代。 （3）适应性评估检测：适应度函数对每个种子进行分值评定，表明种子的优劣性。 （4）选择：从当前群体中选出优良的种子作为父代繁殖下一代。常用轮盘赌实现。 （5）杂交：按照设定的杂交率可以得到新一代个体，新个体组合了其父辈个体的特性。 （6）变异：对于选中的个体按照变异率改变串结构数据中某个串的值。 利用遗传算法求解迷宫 编码采用一系列的二进制位代表可行解的染色体。每个染色体都是一组随机的二进制位。二进制位的长度在整个群体中都是一样的。以下为一个长为20的染色体的编码： 01010010100101001111 这可能是一个很差的解，也可能是一个十分完美的解，重要的是每一个单个的染色体都代表了一个可行解。 赌轮选择法：从种子群体中选择一些成员的方法，种子被选中的概率和它们的适应性分值(适应度)成正比，适应性分值越高，种子被选中的概率越大。这表明适应性强的个体被选中的概率大，同时实现了“适者生存”原则。 对n个个体进行编号 计算从1开始到n结束的累计概率 产生0-1之间的随机数，判断在累计概率中的位置 确定被随机选中的个体 杂交率：用来确定两个种子进行局部的互换以产生两个新的子代的概率。经验表明这一数值通常取为0.6 – 1之间是理想的。每一次从群体中选择两个种子，再随机产生一个0—1之间的数值，该数值与杂交率比较来确定是否杂交，如果数值低于杂交率，就进行杂交，然后在种子的长度上随机地选择一个位置，并把在此位置之后的所有位进行互换。 例如，设给定的两个种子串码为： 10001001110010010 01010001001000011 随机选择第10位，互换第10位之后的所有位，两个种子变为： 100010011 010100010 变异率：就是在一个种子中将位实行翻转的几率。同生物界一样，GA中变异发生的概率很低，通常取值在0.001~0.01之间。变异为新个体的产生提供了机会。 按照设定的变异率在一个种子中将位实行翻转，即0变1，1变0。 问题描述：创建一个迷宫，它的右边有一入口，左边有一出口，并有一些障碍物散布在其中。在出发点放置一个虚拟的人Bob，然后要为他解决如何寻找路径的问题，使他能够找到出口，并避免与所有障碍物相碰撞。 迷宫的表示：通过一个二维整数数组，用0来表示开放的空间，1代表墙壁或障碍物。 { 1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 1，0，1，0，0，0，0，0，1，1，1，0，0，0，1 5，0，0，0，0，0，0，0，1，1，1，0，0，0，1 1，0，0，0，1，1，1，0，0，0，0，0，1，0，1 1，1，0，0，1，1，1，0，0，0，0，0，1，0，1 1，0，0，0，0，1，0，0，0，0，1，1，1，0，1 1，0，1，1，0，0，1，0，0，0，0，0，0，0，8 1，0，1，1，0，0，0，1，0，0，0，0，0，0，1 1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 } 为染色体编码：每个染色体必须把Bob的每一个行动编入代码中。Bob的行动仅限为4个方向，向东，向南，向西，向北，故编码后的染色体应该就是代表这4个方向信息的一个字符串。具体如下： 二进制代码 十进制译码 代表的方向 00 0 向北 01 1 向南 10 2 向东 11 3 向西 对于一个随机的二进制字符串，就能根据上表译出John行动时所遵循的一系列方向。如： 111110011011101110010101 它代表的基因就是： 11，11，10，01，10，11，10，11，10，01，01，01 转为十进制就是： 3，3，2，1，2，3，2，3，2，1，1，1 即John将要行走的方向是： 西，西，东，南，东，西，东，西，东，南，南，南 #define CROSSOVER_RATE 0.7???? 杂交率 #define MUTATION_RATE? 0.001? 变异率 #define CHROMO_LENGTH? 70? 每个染色体的长度 #define POP_SIZE?????? 140??????? 种群里的种子数 确定群体大小的一条有用规则是将基因组的数目取为染色体