优化算法之遗传算法-pyy.ppt

遗传算法的改进 非均匀变异算子 高斯变异算子 边界变异算子 变异算子 群体规模 N √ 影响算法的搜索能力和运行效率。 若 N 设置较大，一次进化所覆盖的模式较多，可以保证群体的多样性，从而提高算法的搜索能力，但是由于群体中染色体的个数较多，势必增加算法的计算量,降低了算法的运行效率。 若 N 设置较小，虽然降低了计算量，但是同时降低了每次进化中群体包含更多较好染色体的能力问。 N 的设置一般为 20~100 。 参数设置 染色体的长度 L √影响算法的计算量和交叉变异操作的效果。 L 的设置跟优化问题密切相关，一般由问题定义的解的形式和选择的编码方法决定。 对于二进制编码方法，染色体的长度 L 根据解的取值范围和规定精度要求选择大小。 对于浮点数编码方法，染色体的长度 L 跟问题定义的解空间维数 D 相同。 除了染色体长度一定的编码方法，Goldberg 等人还提出了一种变长度染色体遗传算法 Messy GA ，其染色体的长度并不是固定的。 参数设置 基因的取值范围 R √ R 视采用的染色体编码方案而定。 对于二进制编码方法 ， R= { 0 ，1} 对于浮点数编码方法 ， R 与优化问题定义的解每一维变量的取值范围相同 。 参数设置 交叉概率 Pc √ 决定了进化过程中，种群参加交叉运算的染色体的平均数目 Pc ×N。 Pc的取值范围一般