：遗传算法说课.ppt

(2)选择 根据“适者生存”的自然选择原理,从初始种群中选择生命力强的个体(适者)产生新的种群 ① 确定适应度函数 适应度函数取为非负函数,且适应度增大的方向对应于目标函数的优化方向 本例取适应度函数 fitness(X)=x2 ② 计算适应度和选择率 将初始种群的个体解码为X,并计算适应度f(X)及选择率f/∑,其中∑为适应度之和. ③ 随机选择适者个体 采用轮盘法，对初始种群进行选择，使得最优秀的个体获得最多的生存繁殖机会。 (3)交叉 将选择出的个体存入交配池中，用随机方法配对交叉，以产生新一代的个体 ① 随机选择配对；② 随机选择交叉点； ③ 采用单点交叉，产生新的种群 (4) 变异 在交叉过程中，可能丢失一些重要的遗传信息(特定位置的1与0 )，因而产生变异。为了获得新的遗传信息，则需引入适度的变异。 1 是否有其他形式的候选解？ 2 如何选取交叉概率、变异概率？ 3 是否有适配值的其他替代形式？ 4 交叉及变异点的如何选择？ 5 如何利用更多的信息？ 6 终止准则？ Problem 1 以优化变量的遗传编码为运算及搜索对象; 2 非单个操作，使用群体搜索策略; 3 使用概率搜索机制，无需其他信息; 4 具有全局搜索能力，最善于搜索复杂问题和非线性问题。 六、遗传算法的特点 1 遗传算法简介