第遗传算法1.pptVIP

浙大生物系统工程与食品科学学院 * 遗传算法 模式定理 积木块假设与遗传算法欺骗问题 隐含并行性 遗传算法的收敛性分析 适应度函数的自相关分析 浙大生物系统工程与食品科学学院 * 遗传算法是通过对群体中多个个体的迭代搜索来逐步找出问题的最优解。这个搜索过程是通过个体之间的优胜劣汰、交叉重组和突然变异等遗传操作来实现的，在这个搜索过程中，为什么会将好性状(适应度大的)的个体留下，而将差的淘汰?这一章主要介绍遗传算法的机理，即理论基础。 浙大生物系统工程与食品科学学院 * 6.1 模式定理6.1.1 模式 例子(以二进制编码为例)： 经过遗传一代性状得到改善，注意到以1打头的个体增加了。 浙大生物系统工程与食品科学学院 * 其实，遗传算法处理了一些具有相似编码结构模板的个体。如果把个体作为某些相似模板的具体表示的话，对个体的搜索过程实际上就是对这些相似模板的搜索过程。 [定义6.1] 模式（schema ）表示一些相似的模块。它描述了在某些位置上具有相似结构特征的个体编码串的一个子集。 对于二进制编码方式，个体是由2值字符集v={0,1}中的元素所组成的一个编码串，而模式却是由3值字符集v＝{0,1,*} 中的元素所组成的一个编码串．其中“*”表示通配符，它既可被当作“1”，也可被当作“0”。 浙大生物系统工程与食品科学学院 * 在引入模式概念之后，遗传算法的本质是对模式所进行的一系列运算．即通过选择算子将当前群体中的优良模式遗传到下一代群体中，通过交叉算子进行模式的重组，通过变异算子进行模式的突变。通过这些遗传运算，一些较差的模式逐步被淘汰，而一些较好的模式逐步被遗传和进化．最终就可得到问题的最优解。 为什么会将好的模式遗传下来？ 浙大生物系统工程与食品科学学院 * [定义6.2] 在模式H中具有确定基因值的位置数目称为该模式的模式阶(schema order)，记为o(H)。对于二进制编码字符串而言，模式阶就是模式中所含有的1相0的数目。当字符串的长度固定时．模式阶数越高，能与该模式匹配的字符串(称为样本)数就越少．因而该模式的确定性也就越高。例如，o(11***0)的阶为3，能与该模式匹配的个体有8个。 [定义6.3] 模式H中第一个确定基因值的位置和最后一个确定基因值的位置之间的距离称为该模式的模式定义长度，记为δ(H)。例如δ(11***0)=4。 浙大生物系统工程与食品科学学院 * 6.1.2 模式定理 假设在进化过程中的第t代时，当前群体P(t)中能与模式 H匹配的个体数(样本数)记为m(H,t)，下一代群体P(t+1)中能与模式H匹配的个体数记为m(H,t+1)。 选择算子的作用 基本遗传算法中的选择运算使用的是比例选择算子。 设是f(H,t)第t代群体中模式H所隐含个体的平均适应度；F(t)是第t代群体的平均适应度。则下式成立。 浙大生物系统工程与食品科学学院 * 上式可改写成 令： 则m(H,t+1)=m(H,t)(1+C) 由此可见，m(H,t)为一等比级数，其通项公式为： m(H,t)＝m(H,0)·(1+C)t ●当C＞0，则m(H,t)呈指数级增长； ●若C＜0，则m(H,t)呈指数级减少。 由此可得到下述结论：在选择算子作用下，对于平均适应度高于群体平均适应度的模式，其样本数将呈指数级增长：而对于平均适应度低于群体平均适应度的模式，其样本数将呈指数级减少。 浙大生物系统工程与食品科学学院 * 交叉算子的作用（以单点交又其子为例） 隐含在该模式中的样本与其他个体进行交叉操作。根据交叉点的位置不同，有可能破坏该模式，也有可能不破坏该模式而使其继续生存到下一代群体中。显然，当随机设置的交叉点在模式的定义长度之内时，将有可能破坏该模式；而当随机设置的交叉点在模式约定义长度之外时，肯定不会破坏该模式。再考虑到交叉操作本身是以交叉概率Pc发生的，所以模式H的生存概率为： 浙大生物系统工程与食品科学学院 * 变异算子的作用(以基本位变异算子为例） 此时，若某一模式被破坏，则必然是模式描述形式中通配符“*”之外的某一基因位发生了变化，其发生概率是： 由此可知，在变异算子作用下，模式H的生存概率大约是： 可见o(H)越小，模式H越易于生存；o(H)越大，模式H越易于被破坏。 浙大生物系统工程与食品科学学院 * 综合上述，并忽略一些极小项，则在比例选择算子、单点交叉算子、基本位变异算子的连续作用下，群体中模式H的子代样本数为： [模式定理] 遗传算法中，在选择、交叉和变异算子的作用下，具有低阶、短的定义长度，并且平均适应度高于群体平均适应度的模式将按指数级增长。