基于遗传算法求解背包问题分析.pptVIP

遗传算法基本概念与原理 遗传算法求解0_1背包问题 1.0_1背包问题中染色体的表示方法 : 本次设计采用二进制编码来表示染色体，每个染色体对应其当前装入背包的物品的总价值和总重量。背包中物品价值代表了该物品的适应度。如X=（X1,X2...Xi...Xn）,Xi=0或1。Xi=1，表示第i个项目被选入了背包；Xi=0，表示第i个项目没有被选入了背包。例如8个项目的背包问题中，X=（0，1，1，0，0，0，1，0）,则表示项目2，3，7被选入了背包，而其他项目则没被选入背包。 遗传算法求解0_1背包问题 2.轮盘赌选择方法的实现步骤： （1） 计算群体中所有个体的适应度函数值（需要解码）； （2） 利用比例选择算子的公式，计算每个个体被选中遗传到下一代群体的概率； （3） 采用模拟赌盘操作（即生成0到1之间的随机数与每个个体遗传到下一代群体的概率进行匹配）来确定各个个体是否遗传到下一代群体中。 遗传算法求解0_1背包问题 3.交叉算子 : 所谓交叉运算，是指对两个相互配对的染色体依据交叉概率 Pc 按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算是遗传算法区别于其他进化算法的重要特征，它在遗传算法中起关键作用，是产生新个体的主要方法。 本次设计中交叉算子采用单点交叉算子。 遗传算法求解0_1背包问题 单点交叉运算 交叉前： 00000|01110000000010000 11100|00000111111000101 交叉后： 00000|00000111111000101 11100|01110000000010000 遗传算法求解0_1背包问题 4.变异算子： 所谓变异运算，是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。遗传算法中的变异运算是产生新个体的辅助方法，它决定了遗传算法的局部搜索能力，同时保持种群的多样性。交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。 遗传算法求解0_1背包问题 基本位变异是指对个体编码串随机指定的某一位或几位基因作变异运算。如果采用的是二进制编码，则对需要进行变异操作基因位进行取反操作 基本位变异算子的执行过程如下： 变异前：1 1 1 0 0 0 0 0 0 0 0 1 0 0 变异后：1 1 1 0 0 0 1 0 0 0 0 1 0 0 仿真结果 测试数据：背包容量：1000 物品个数：100 仿真结果 不同背包下的测试结果： 仿真结果 不同变异概率下的测试结果： 仿真结果 不同迭代次数下的测试结果： 仿真结果总结 通过以上对背包大小、变异概率大小和迭代次数大小对测试结果的影响，可以得出本次遗传算法求解0_1背包问题时，适用的背包大小不宜超过200个物品，变异概率宜取0.01到0.02之间，迭代次数控制在1000左右，这样能快速有效的找出最优解，总体来说仿真效果能得到预期效果。 哈尔滨工程大学计算机科学与技术学院硕士学位论文答辩 */20 基于遗传算法求解0_1背包问题 姓 名：叶奇 专 业：电气工程与自动化 指导教师：宋潇潇 论文主要工作 要点1 要点2 要点3 总结 遗传算法求解0_1背包问题 研究目的与意义 遗传算法的基本概念与原理 仿真结果分析及总结 目的与意义： 遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以GA在函数优化，组合优化、生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。 研究目的与意义 生成初始种群 计算适应度 选择 交叉 变异 生成新一代种群 终止 ? 结束 遗传算法的基本思想是模仿生物界遗传学的遗传过程.它把问题用染色体代表,从而得到一个由具有不同染色体的个体组成的群体．这个群体在问题特定的环境里生存竞争，适者有好的机会生存和产生后代．后代随机化地继承了父代的最好特征，并也在生存环境的控制支配下继续这一过程。 N Y 较差 336 4879 4543 200 2000 好 23 2614 2591 100 1000 好 17 2337 2320 80 1000 好 20 1153 1133 50 500 可靠性 与理论差值 理论值 运行结果 物品个数 背包容量 336 2248 1000 0.1 82 2532 1000 0.02 42 2572 1000 0.01 和理论的差值 结果 迭代次数 变异概率 30 2