第5章(计算智能7-遗传算法).ppt

简单遗传算法的步骤： 初始化种群 计算种群中每一个个体的适应度函数值 根据与适应度相关联的规则确定进入下一轮的个体 按照某一个概率进行交叉操作 按照某一个概率进行变异操作 如果不满足终止条件，则转到(2)，否则继续 将种群中适应度最优的个体作为问题的解 遗传算法的终止条件：需满足其中之一 1、完成预先给定的进化代数。 2、种群中最优个体或者平均适应度在连续若干代没有改进。 开始 初始化种群 计算适应度值 选择操作 交叉操作 变异操作 终止条件？ 选取适应度最优个体作为解 结束 是 3 遗传算法例子 求最大值 求一阶导数，并令其为零 得 求二阶导数 f(x) f’(x) f’’(x) 主要步骤： 编码：22位二进制数码串 种群初始化 适应度函数：函数本身 遗传操作：选择、交叉、变异操作 算法的若干关键参数：种群大小、种群代数、选择交叉变异概率等 结果： 最佳个体： 1111 0011 0100 0100 0001 01 对于自变量值：1.850773 函数值： 2.850227 4 Matlab中的遗传算法函数 使用方式： 函数形式 ga 图形界面形式 optimtool(选择ga) 包含在Matlab2010版本的Global Optimization Toolbox 工具箱中，只能求最小值 数学问题： 线性的等式与不等式约束 非线性的等式