第7章 遗传算法及其的应用.ppt

第 7 章 遗传算法及其应用 第7章 遗传算法及其应用 7.1 遗传算法的产生与发展 7.2 遗传算法的基本算法 7.3 遗传算法的改进算法 7.4 基于遗传算法的生产调度方法 第7章 遗传算法及其应用 7.1 遗传算法的产生与发展 7.2 遗传算法的基本算法 7.3 遗传算法的改进算法 7.4 基于遗传算法的生产调度方法 7.1 遗传算法的产生与发展 7.1 遗传算法的产生与发展 7.1.1 遗传算法的生物背景 7.1.2 遗产算法的基本思想 7.1.3 遗产算法的发展历史 7.1.4 设计遗产算法的基本原则与内容 7.1.1 遗传算法的生物学背景 适者生存：最适合自然环境的群体往往产生了更大的后代群体。 生物进化的基本过程： 7.1.2 遗传算法的基本思想 7.1.2 遗传算法的基本思想 7.1.3 遗传算法的发展历史 1962年，Fraser提出了自然遗传算法。 1965年，Holland首次提出了人工遗传操作的重要性。 1967年，Bagley首次提出了遗传算法这一术语。 1970年，Cavicchio把遗传算法应用于模式识别中。 1971年，Hollstien在论文《计算机控制系统中人工遗传自适应方法》中阐述了遗传算法用于数字反馈控制的方法。 1975年，美国J. Holland出版了《自然系统和人工系统的适配》；DeJong完成了重要论文《遗传自适应系统的行为分析》。 20世纪80年代以后，遗传算法进入兴盛发展时期。 7.1.4 设计遗传算法的基本原则与内容 7.1.4 设计遗传算法的基本原则与内容 设计的基本内容： 第7章 遗传算法及其应用 7.1 遗传算法的产生与发展 7.2 遗传算法的基本算法 7.3 遗传算法的改进算法 7.4 基于遗传算法的生产调度方法 7.2 遗传算法的基本算法 遗传算法的五个基本要素： 参数编码 初始群体的设定 适应度函数的设计 遗传操作设计 控制参数设定 7.2 遗传算法的基本算法 7.2.1 编码 7.2.2 群体设定 7.2.3 适应度函数 7.2.4 选择 7.2.5 交叉 7.2.6 变异 7.2.7 遗传算法的一般步骤 7.2.1 编码 7.2.1 编码 7.2.1 编码 7.2.1 编码 7.2.1 编码 7.2.2 群体设定 7.2.2 群体设定 7.2.3 适应度函数 7.2.3 适应度函数 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.4 选择 7.2.5 交叉 7.2.5 交叉 7.2.5 交叉 7.2.5 交叉 7.2.5 交叉 7.2.5 交叉 7.2.5 交叉 7.2.6 变异 7.2.6 变异 7.2.6 变异 7.2.6 变异 7.2.6 变异 7.2.6 变异 7.2.6 变异 7.2.8 遗传算法的特点 第7章 遗传算法及其应用 7.1 遗传算法的产生与发展 7.2 遗传算法的基本算法 7.3 遗传算法的改进算法 7.4 基于遗传算法的生产调度方法 7.3 遗传算法的改进算法 7.3.1 双倍体遗传算法 7.3.2 双种群遗传算法 7.3.3 自适应遗传算法 7.3.1 双倍体遗传算法 7.3.1 双倍体遗传算法 7.3.2 双种群遗传算法 7.3.2 双种群遗传算法 7.3.3 自适应遗传算法 第7章 遗传算法及其应用 7.1 遗传算法的产生与发展 7.2 遗传算法的基本算法 7.3 遗传算法的改进算法 7.4 基于遗传算法的生产调度方法 7.4 基于遗传算法的生产调度方法 7.4.1 基于遗传算法的流水车间调度方法 7.4.1 基于遗传算法的流水车间调度方法 7.4.1 基于遗传算法的流水车间调度方法 7.4.1 基于遗传算法的流水车间调度方法 2. 自适应遗传算法的步骤（续） （6）对于群体中的所有个体，共N个，按照自适应变异公式计算自适应变异概率 ，随机产生 R(0,1)，如果 则对该染色体进行交叉操作。 （7）计算由交叉和变异生成新个体的适应度，新个体与父代一起构成新群体。 （8）判断是否达到预定的迭代次数，是则结束；否则转 （4）。 7.3.3 自适应遗传算法 3. 适应的交叉概率与变异概率 7.3.3 自适应遗传算法 普通自适应算法中，当