我的16周-遗传算法及其应用.pptVIP

* Artificial Intelligence Principles and Applications THE END * * * * * 9.3.2 双种群遗传算法 基本思想 问题：一个种群经过相当长时间后，逐渐进化到某些特征相对稳定状态，称为平衡态，当一个种群进化到平衡态，这个种群特性不会再有很大的变化。 在遗传算法中使用多种群同时进化，并交换种群之间优秀个体所携带的遗传信息，以打破种群内的平衡态达到更高的平衡态，有利于算法跳出局部最优。 多种群遗传算法：建立两个遗传算法群体，分别独立地运行复制、交叉、变异操作，同时当每一代运行结束以后，选择两个种群中的随机个体及最优个体分别交换。 * 9.3.2 双种群遗传算法 2. 双种群遗传算法的设计 （1）编码/解码设计 （2）交叉算子、变异算子 （3）杂交算子 设种群A与种群B，当A与B种群都完成了选择、交叉、变异算子后，产生一个随机数num，随机选择A中num个个体与A中最优个体，随机选择B中num个个体与B中最优个体，交换两者，以打破平衡态。 * 双种群遗传算法程序流程图 * 9.3.3 自适应遗传算法 1. 基本思想 Srinvivas M.，Patnaik L. M.等在1994年提出一种自适应遗传算法(adaptive genetic algorithms，AGA)： 能随适应度自动改变。(交叉和变异的概率) AGA：当种群各个体适应度趋于一致或者趋于局部最优时，使 增加，以跳出局部最优；而当群体适应度比较分散时，使 减少，以利于优良个体的生存。 同时，对于适应度高于群体平均适应值的个体，选择较低的 ，使得该解得以保护进入下一代；对低于平均适应值的个体，选择较高的 值，使该解被淘汰。 * 9.3.3 自适应遗传算法 2. 自适应遗传算法的步骤 （1） 编码/解码设计。 （2） 初始种群产生：N（N 是偶数）个候选解，组成初始解集。 （3） 定义适应度函数为 ，计算适应度 。 （4） 按轮盘赌规则选择N 个个体，计算 。 （5）将群体中的各个个体随机搭配成对，共组成N/2对， 对每一对个体，按照自适应公式计算自适应交叉概率 ，随机产生R(0,1)，如果 则对该对染色体进行交叉操作。 * 2. 自适应遗传算法的步骤（续） （6）对于群体中的所有个体，共N个，按照自适应变异公式计算自适应变异概率 ，随机产生 R(0,1)，如果 则对该染色体进行交叉操作。 （7）计算由交叉和变异生成新个体的适应度，新个体与父代一起构成新群体。 （8）判断是否达到预定的迭代次数，是则结束；否则转 （4）。 9.3.3 自适应遗传算法 * 3. 适应的交叉概率与变异概率 9.3.3 自适应遗传算法 普通自适应算法中，当个体适应度值越接近最大适应度值时，交叉概率与变异概率就越小；当等于最大适应度值时，交叉概率和变异概率为零。 改进的思想：当前代的最优个体不被破坏，仍然保留（最优保存策略）；但较优个体要对应于更高的交叉概率与变异概率。 * F－自适应方法： 9.3.3 自适应遗传算法 3. 自适应的交叉概率与变异概率（续） * 9.3.3 自适应遗传算法 S－自适应方法： 自适应的交叉概率与变异概率（续） * 9.3.3 自适应遗传算法 自适应的交叉概率与变异概率（续） C －自适应方法： * 第9章 遗传算法及其应用 9.1 遗传算法的产生与发展 9.2 遗传算法的基本算法 9.3 遗传算法的改进算法 9.4 基于遗传算法的生产调度方法 * 9.4 基于遗传算法的生产调度方法 9.4.1 基于遗传算法的流水车间调度方法 9.4.2 基于遗传算法的混合流水车间调度方法 * 1. 流水车间调度问题 问题描述：n 个工件要在 m 台机器上加工，每个工件需要经过 m 道工序，每道工序要求不同的机器，n 个工件在 m 台机器上的加工顺序相同。工件在机器上的加工时间是给定的，设为 问题的目标：确定 n 个工件在每台机器上的最优加工顺序，使最大流程时间达到最小。 9.4.1 基于遗传算法的流水车间调度方法 * 1. 流水车间调度问题 假设： (1)?每个工件在机器上的加工顺序是给定的。 (2)?每台机器同时只能加工一个工件。 (3)?一个工件不能同时在不同的机器上加工。 (4)?工序不能预定。 (5)?工序的准备时间与顺序无关，且包含在加工时间中。 (6) 工件