遗传算法geneticalgorithm.pptVIP

遗传算法：Genetic Algorithm 遗传算法 一、概述 二、GA的工过程 三、GA的基本操作 四、模式定理 一、概述 由美国J.Holland提出，搜索不依赖于梯度信息。 解析法：连续导数存在。 优化问题： 枚举法：指数爆炸。 随机法：模拟还火、GA 一、概述 GA的特点： ①GA是对参数的编码进行操作，而不是对参数本身。 ②GA是从许多初始点开始并行操作，而不是一个点开始， 防止搜索过程收敛于局部最优解，而且有较大的可能求得 全局最优解。 ③GA通过目标函数计算适配值，不需要其它的推导对问题 的依赖性较少。 ④GA使用概率的转变规则，而不是确定性的规则。 ⑤GA是一种启发式搜索。 ⑥GA对寻优的函数基本无限制，不要求连续可导…。 ⑦GA只有并行计算的特点，提高适度。 ⑧GA更适合大规模复杂问题的优化。 遗传算法 一、概述 二、GA的工过程 三、GA的基本操作 四、模式定理 二、GA的工过程 遗传算法 一、概述 二、GA的工过程 三、GA的基本操作 四、模式定理 三、GA的基本操作 ①复制（reproduction） ②交叉（crossover） ③变异（mutation） 例： 整数，五位二进制编码： 种串： 三、GA的基本操作 ①复制： 三、GA的基本操作 复制后： 3号被淘汰 ②交叉：在[0,1]产生随机数r，若 则该串参加交叉操 作，如此选出参加交叉的一组后，随机配对。 交叉概率。 设串的长度为l，且l个数字位之间的空隙为1，2，…，l-1。在[l，l-1]的范围内，随机地选取一个整数值k。则将两个父母串中从位置K到串末尾的字串相互换，而形成两个新串。 三、GA的基本操作 例如在表4.2中的两个初始配对个体位串为A1和A2： A1=0110?1 A2=1100?0 位串的字符长度l=5，假定在1和4之间随机选取一个值k(k=4，如分隔符“?”所示)，经交叉操作后产生了两个新的字符串，即 三、GA的基本操作 一般的交叉操作过程可用图4.2所示的方式进行。 图4.2 交叉操作 遗传算法的有效性主要来自复制和交叉操作，尤其是交叉 在遗传算法中起着核心的作用。比如，人们在社会生活中的思 想交流、学术交流、多学科交汇形成的交叉学科等。 三、GA的基本操作 本质上都是观念和思想上的交叉，而这种交叉是富于成果 的。新的思想、观念、发明或发现正是来源于此。若把一个位 串看成一个完整的思想，则这个位串上的不同位置中的不同的 值的众多有效的排列组合，形成了一套表达思想的观点。位串 交叉就相应于不同观念的重新组合，而新思想就是在这种重新 组合中产生的，遗传搜索的威力也正在于此。 表4.3列出了交叉操作之后的结果数据。从表4.3中可以看 出交叉操作的具体过程。首先随机地将匹配池中的个体配对， 位串1和位串2配对，位串3和位串4配对；然后，随机地选取交 叉点，设位串1(0110?1)和位串2(1100?0)的交叉点为k=4，二者 只交换最后一位，从而生成两个新的位串,即 (01100)和(11001) 位串3(11?000)和位串4(10?011)。 三、GA的基本操作 交叉点为k=2，二者交换后三位。结果生成两个新的位串，即