遗传算法基原理.ppt

第四章 遗传算法的基本原理 4.1 遗传算法的基本描述 4.2 遗传算法的模式理论 4.3 遗传算法与其他搜索算法的比较 4.4 遗传算法的高级实现 4.1 遗传算法的基本描述 1．二进制编码 1）连续实函数的二进制编码 设一维连续实函数 采用长度维L的二进制字符串进行定长编码，建立位串空间： k=1,2,…,K; l=1,2,…,L; K=2L 表示精度为 。 将个体又从位串空间转换到问题空间的译码函数 的公式定义为： 4.1.6 遗传算子 四、换位（Swap Operator）算子 换位操作首先在个体位串上随机地选择两个基因，将这两个基因的位置互换，形成新的个体位串。 例如：长度为10的二进制位串，其中下划线标示的为随机选中的基因： 1011101101 经换位后变为 1111101100 4.2 遗传算法的模式理论 4.2．1 模式与模式空间 位串上的某些等位基因的联结与适应值函数之间存在着某种联系，这种联系提供了寻优过程的指导信息，引导着群体在位串空间中的移动方向。 采用字符集K={0，1}对问题参数进行二进制编码，位串空间表示为SL＝{1,0}L，该空间的大小为|SL|＝2L。扩展字符集K’＝{0,1,*}，其中*是通配符或无关符（wild cards，or“don’t cares”），即可和0或 1匹配。扩展位串空间表示为SeL＝{1,0,*}L，该空间的大小为| SeL |＝3L，则称SeL为SL的模式空间。显然，包含2L个位串的位串空间，对应于3L个模式位串的模式空间。 4.4 遗传算法的高级实现 4.4.1 小生境遗传算法 生物总是倾向于与自己特征、性状相类似的生物(同类)生活在一起，一般总是与同类交配繁衍后代。这种正选型交配方式在生物遗传进化过程中是有其积极的作用的。 生物学上，小生境(Niche)是指特定环境中一种组织(organism)的功能，而把有共同特性的组织称作物种(species)。 4.4.1 小生境遗传算法 1．基于预选择机制的小生境技术 1970年，Cavicchio率先在遗传算法中引入了基于预选择机制的小生境技术。 只有在子串的适应度超过其父串的情况下，子串才能替换其父串，进入下一代群体。 由于这种方式趋向于替换与其本身相似的个体(父与子之间的性状遗传)，因而能够较好地维持群体的分布特性。 Cavicchio声称使用这种方法可以在群体规模相对较小的情况下维持较高的群体分布特性。 4.4 小生境遗传算法 2．基于排挤机制的小生境技术（ De Jong，1975年） (1)初始化;（建立初始群体，确定遗传参数，设定排挤因子CF） (2)计算个体的适应度； (3)遗传操作(选择、交叉和变异)； (4)从当前群体中随机选取群体规模的1／CF个个体组成排挤因子成员 (5)比较新产生的个体与排挤因子成员之间的相似性； (6)用新产生的个体去替换排挤因子成员中最相似的个体，形成新的当前群体； (7)如未满足算法终止条件则返回第(2)步，否则算法终止。 4.4 小生境遗传算法 3．基于共享(sharing)机制的小生境技术（ Goldberg和Richardson， 1987年） 定义了共享函数(sharing function)，用来确定每个个体在群体中的共享度。一个个体的共享度等于该个体与群体内的各个其它个体之间的共享函数值的总和。共享函数是关于两个体之间的关系密切程度(基因型的相似性或表现型的相似性)的函数，当个体间关系比较密切时，共享函数值较大，反之，则共享函数值较小。 4.4 小生境遗传算法 设dij表示个体i和个体j之间的关系密切程度，S为共享函数，Si表示个体i在群体中的共享度，则有： 在计算了各个体的共享度后，个体的适应度f(i)依据下式调整为fs(i)： fs(i) = f(i) / Si 4.4.2 混合遗传算法 混合遗传算法的思想 混合遗传算法的基本构成原则 在构成混合遗传算法时，De Jong提出了下面的三条基本原则： (1)尽量采用原有算法的编码。这样就便于利用原有算法的相关知识，也便于实现混合遗传算法。 (2)利用原有算法的优点。这样就可保证由混合遗传算法所求到的解的质量不会低于由原有算法所求到的解的质量。 (3)改进遗传算子。设计能适应新的编码方式的遗传算子，并在遗传算子中溶入与问题相关的启发式知识，这样就可使得混合遗传算法既能够保持遗传算法的全局寻优特点，又能够提高其运行效率。 4.4.3 遗传模拟退火算法 遗传模拟退火算法是将遗传算法与模拟退火算法相结合而构成的一种优化算法。 遗传算法的局部搜索能力较差、但把握搜索过程总体的能力较强； 而模拟退火算法具有较