数据库与数据挖掘11.pptVIP

第11章 遗传算法 一、背景 1975年， Holland及其学生创建。 基于达尔文进化论思想，属于进化计算领域。 可以解决优化、组合、调度、机器学习、 数据挖掘等领域的问题。 基本内容：遗传算法的理论与技术 用遗传算法进行优化 用遗传算法进行机器学习 二、基本原理 迭代过程，生物进化思想，优胜劣汰。 几个名词术语： 种群：一组解，用编码表示 染色体（个体）：一个解，用编码表示 基因： 染色体中的元素，编码中的元素 遗传操作：交叉、变异、选择 后代：通过交叉、变异生成的下一代染色体（一个解） 适应度：生物个体对环境的适应程度，染色体好坏的评价度量 设P(t)、C(t)分别表示第t代的双亲和后代， 遗传算法思想描述如下： t=0; 初始化P(0); // 一般随机产生，个体数量事先确定 计算P(0)的适应度； while 不满足终止条件 do { 对P(t)进行交叉、变异运算获得C(t); 计算C(t)的适应度； 从P(t)和C(t)中选择生成P(t+1); t=t+1; } 要解决的问题： 终止条件 解的表示（编码） 交叉运算 变异运算 选择运算 适应度函数的定义 其中：终止条件有2种方案： 1. 固定迭代次数 2. 迭代收敛， 连续两次迭代解的适应度之差 d 三、编码问题 二进制编码 最常用的编码方式。 优点： 编码简单易行； 交叉、变异操作易于实现 格雷码编码 二进制编码的局部搜索能力较差，格雷码能提高局部搜索能力。 设二进制编码为： 其对应的格雷码为： 其中： 3. 实数编码 对于一些高精度要求的连续函数优化问题，使用二进制编码来表示个体会带来一些不利，例如，二进制编码存在连续函数离散化时的映射误差。 优点： 数据表示范围大； 数据表示精度高； 搜索空间大； 运算效率高 4. 符号编码方法 有的问题求解结果是一个无数值含义，只是一个符号集。 例如，旅行商问题，求解结果是n个城市的符号序列。 四、交叉运算 -----两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体. 交叉运算是遗传算法中的关键操作，是区别于其他进化算法的重要特征。 1. 单点交叉（简单交叉） 2. 双点交叉 3. 均匀交叉 两个配对个体的每一位基因都以相同的概率进行交换。 操作过程： (1) 随机产生一个屏蔽字W= (2) 从A、B两个父代个体中产生两个新个体X、Y, 若 则X的第i位基因继承A的对应基因，Y的第i位基因继承B的对应基因； 若 则A、B的第i位基因相互交换，从而生成X、Y的第i位基因。 举例： 4. 算术交叉 适用于实数编码。 X=kA+(1-k)B Y=kB+(1-k)A 五、变异运算 1. 基本位变异： 以概率p随机指定某一位或某几位基因做变异。 均匀变异 分别用均匀分布的随机数，以较小的概率来替换个体中的每个基因。 高斯变异 用高斯分布的随机数，以较小的概率来替换个体中的每个基因。 二元变异 需要两个染色体参与，通过二元变异操作后生成两条新个体。 两个染色体对应基因做同或和异或操作。 举例： 一般变异的概率：0.001~0.01 六、选择操作 优胜劣汰，选择个体进入下一代 适应度高的个体被选择的概率大。 赌盘选择（比例选择） 各个体被选中的概率与其适应度大小成正比。 操作过程： （1）计算每个个体的适应度Fi, i=1,2,…m （2）计算每个个体被遗传到下一代的概率， i=1,2,….m 计算每个个体的累积概率