2013秋大学计算机第4章课件—张丽杰.ppt

第4章 算法与复杂性 * 4.3遗传算法—计算复杂性与仿生学算法示例 3.遗传算法暨问题求解算法的进一步探讨 3）交叉、变异与随机处理遗传规则问题 变异操作是对群体中的某些个体染色体的某些基因进行突变处理 变异概率(PM, probability of mutation)，控制着遗传算法中变异操作的使用频率。 变异操作的基本步骤： a)对种群中所有个体以事先设定的变异概率判断是否进行变异； b)对进行变异的个体随机选择变异位置进行变异。 第4章 算法与复杂性 * 4.3遗传算法—计算复杂性与仿生学算法示例 3.遗传算法暨问题求解算法的进一步探讨 3）交叉、变异与随机处理遗传规则问题 引入变异操作的目的： 一是使遗传算法具有局部的随机搜索能力。当遗传算法通过交叉操作已接近最优解邻域时，利用变异操作的局部随机搜索能力可以加速向最优解收敛。显然，此种情况下的变异概率应取较小值，否则接近最优解的可行解会因变异而遭到破坏。 二是使遗传算法可维持群体多样性，以防止还未找到满意解便出现算法收敛终止的情况，通俗来讲就是原来在一个圈子中进行搜索，通过变异可以使搜索跳出这个圈子进入到另外的圈子中，扩大了搜索范围。 第4章 算法与复杂性 * 4.3遗传算法—计算复杂性与仿生学算法示例 3.遗传算法暨问题求解算法的进一步探讨 4）遗传算法的其他问题 适应度函数的选择，主要考察其是否能度量一个可能解接近最优