智能控制- 遗传算法.ppt

第四章 遗传算法;遗传算法 遗传算法（genetic algorithms）是在70年代初期由美国执根（Michigan）大学的Holland教授发展起来的。1975年， Holland发表了第一本比较系统论述遗传算法的专著《Adptation in Natural and Artificial Systems》.本章先介绍遗传算法及一些基本性质，然后讨论遗传算法实现的技术问题，最后通过在约束批量模型的应用了解算法实现过程。;4.1遗传算法;遗传算法主要借鉴了生物的一些特征，其主要特征体现为：;遗传算法包含以下的主要处理步骤：;生物遗传概念在遗传算法中的对应关系;例4.1 用遗传算法求解 为整数的最大值。 ;STEP1 选择问题的一个编码；给出一个有N个染色体的初始群体pop(1),t:=1;例4.2 用遗传算法求;简单遗传算法可以理解为：;有待研究的主要因素;遗传算法的优越性可以简单地归结为;4.2模板理论;染色体称为向量 一个给定的向量结构，包括关心的分量位置和值，称为该向量的一个模板。 如1010001和1111010 1＊1＊0＊＊ ＊表示基因不同或我们不关心这个位置的取值， 称H= 1＊1＊0＊＊为一个模板 0，1的位置称为模板位置，＊位置称为非模板位置。;模板长度：从第一个模板位置到最后一个模板位置的所有分量个数减1。;; 引理4.2 若在t时刻，模板H的长度为 ，采用简单交配方法，即随机选一个交配位，交换位后基因，交配的概率是 ，则在t+1时刻模板H保留下来的概率为; 引理4.3 假设模板H在t时刻存在的概率为p(H,t)，经过简单变异，则有; 定理4.1 （模板定理）假设群体在t时刻有相同模板H的染色体个数为N(H,t),经过满足引理4.1的种群选取、满足引理4.2的以概率 的交配和满足引理4.3以概率 的变异，则在t+1时刻，群体中具有H模板的染色体数的期望值为; 证明 遗传算法每一代的遗传由种群选取、交配和变异三个算子组成。三个事件的综合效果，使新一代群体中具有模板H的染色体数的期望值由引理4.1、引理4.2和引理4.3得到;例4.4 用遗传算法求解 。观察模板 ， 和 的变化情况。;种群中具有H1模板的染色体期望值为;表4.4（a） 遗传算法第二步数值结果;表4.4（b） 模板特性（种群）;表4.4（a） 遗传算法第二步数值结果;计算H1的期望数，因为 ，所以;表4.4（c） 模板特性（生殖后）; 若群体维数 ，则长度小于 的模板出现数为 。这是Goldberg估计的一个结果。在给予一个合适的群体维数后，它隐含着遗传算法的一次进化中平行处理 种不同的模板。这一性质一搬被称为遗传算法的隐式并行性（implicit paralle- -lism）