机械故障诊断学钟秉林第8章模拟退火与演化算法的原理及应用教案分析.pptVIP

　　(3) 计算各代种群中的各个体的适应度, 并对其染色体进行遗传操作,直到适应度最高的个体(即31（11111）)出现为止。  　　 三、演化算法原理 * * 首先计算种群S1中各个体 s1= 13(01101), s2= 24(11000) s3= 8(01000), s4= 19(10011) 的适应度f (si) 。 容易求得 f (s1) = f(13) = 132 = 169 f (s2) = f(24) = 242 = 576 f (s3) = f(8) = 82 = 64 f (s4) = f(19) = 192 = 361 再计算种群S1中各个体的选择概率。 选择概率的计算公式为 由此可求得 P(s1) = P(13) = 0.14 P(s2) = P(24) = 0.49 P(s3) = P(8) = 0.06 P(s4) = P(19) = 0.31 三、演化算法原理 * * 赌轮选择示意 s4 0.31 s2 0.49 s1 0.14 s30.06 ● 赌轮选择法 三、演化算法原理 * * 　　在算法中赌轮选择法可用下面的子过程来模拟: 　 ① 在［0, 1］区间内产生一个均匀分布的随机数r。 　　② 若r≤q1，则染色体x1被选中。 　　③ 若qk-1r≤qk(2≤k≤N), 则染色体xk被选中。 其中的qi称为染色体xi (i=1, 2, …, n)的积累概率，其计算公式为 三、演化算法原理 * * 选择-复制 　 设从区间［0, 1］中产生4个随机数如下: r1 = 0.450126, r2 = 0.110347 r3 = 0.572496, r4 = 0.98503 染色体 适应度 选择概率 积累概率 选中次数 s1=01101 169 0.14 0.14 1 s2=11000 576 0.49 0.63 2 s3=01000 64 0.06 0.69 0 s4=10011 361 0.31 1.00 1 三、演化算法原理 * * 于是，经复制得群体： s1’ =11000（24）, s2’ =01101（13） s3’ =11000（24）, s4’ =10011（19） 三、演化算法原理 * * 交叉 设交叉率pc=100%，即S1中的全体染色体都参加交叉运算。 设s1’与s2’配对，s3’与s4’配对。分别交换后两位基因，得新染色体： s1’’=11001（25）, s2’’=01100（12） s3’’=11011（27）, s4’’=10000（16） 　 三、演化算法原理 * * 变异 设变异率pm=0.001。 这样，群体S1中共有 5×4×0.001=0.02 位基因可以变异。 0.02位显然不足1位，所以本轮遗传操作不做变异。 三、演化算法原理 * * 于是，得到第二代种群S2： s1=11001（25）, s2=01100（12） s3=11011（27）, s4=10000（16） 三、演化算法原理 * * 第二代种群S2中各染色体的情况 染色体 适应度 选择概率 积累概率 估计的 选中次数 s1=11001 625 0.36 0.36 1 s2=01100 144 0.08 0.44 0 s3=11011 729 0.41 0.85 2 s4=10000 256 0.15 1.00 1 三、演化算法原理 * *