模拟退火算法与遗传算法.ppt

10.2 遗传算法 二进制交叉 多点交叉 遗传操作——交叉/基因重组 10.2 遗传算法 变异是将某一个体的某一位字符进行补运算，即将1变为0，或将0变为1. 遗传操作——变异 10.2 遗传算法 运行程序 算法的设计与实现 10.2 遗传算法 运行程序 算法的设计与实现 10.2 遗传算法 运行程序 算法的设计与实现 10.2 遗传算法 运行程序 算法的设计与实现 10.2 遗传算法 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*称作通配符，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}。 模式定理 10.2 遗传算法 模式阶和定义距 模式 H 中确定位置的个数（即H 中0或1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。 模式定理 10.2 遗传算法 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 * *)=5-1=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。 模式定理 10.2 遗传算法 平均适应度 模式H的平均适应度是指在一个确定的群体内，与H相匹配的所有个体之平均适应度，记做f(H). 模式定理 10.2 遗传算法 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fi进行复制，一个串 Ai 的再生概率为 模式定理 10.2 遗传算法 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。 模式定理 10.2 遗传算法 模式定理 模式定理（schema theorem） 假设从 t=0 开始，某一特定模式适应度值保持在种群平均适应度以上一个 cf （ c 为一常数），则模式的选择生长方程为 10.2 遗传算法 模式定理（schema theorem） 考虑交叉操作，模式 H 被破坏的概率为 δ(H)/(l-1)，模式 H 生存概率为 1- δ(H)/(l-1) ，若交叉操作发生的概率为 pc，因此对于模式 H 的生存概率计算为： 同时考虑选择、交叉操作对模式的影响，可得： 模式定理 H1= * 1 * * * * 0 H2= * * * 1 0 * * 10.2 遗传算法 模式定理（schema theorem） 考虑变异操作，单个等位基因存活的概率为 pm ，当模式 H 中 O(H) 个确定位都存活时，模式 H 才被保留，存活概率为： 同时考虑选择、交叉和变异操作对模式的影响，可得： 模式定理 H1= * 1 * * * * 0 H2= * * * 1 0 * 0 10.2 遗传算法 隐并行机理：在遗传算法中尽管每一代只处理n个个体，但实际上却是处理了O(n3)个模式. 隐并行机理 10.2 遗传算法 隐并行机理 结束 谢谢观看 模拟退火算法的实现与应用 运行过程 30城市TSP问题 10.2 遗传算法 遗传算法（Genetic Algorithm，简称GA）是一种以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与种群内部染色体的随机交换机制相结合的随机化搜索算法。 10.2 遗传算法 达尔文的自然选择说 遗传（heredity）：子代和父代具有相 同或相似的性状，保证物种的稳定性； 变异（variation）：子代与父代，子代不同个体之间总有差异，是生命多样性的根源； 生存斗争和适者生存：具有适应性变异的个体被保留，不具适应性变异的个体被淘汰。