第三章经典进化计算——遗传算法_3教程方案.pptVIP

6 终止 遗传算法是一个反复迭代的过程，每次选代期间，要执行适应度计算、复制、交叉、变异等操作，直至满足终止条件。 使遗传算法终止的方法有三种： (1) 规定最大选代次数T。一旦遗传算法的迭代次数达到T，则停止操作，输出结果。通常T取200一500次。 由于遗传算法中有许多随机因素影响，最后一代的结果不一定含有最优个体。 为此，要经常记录每代的最优个体以便查询比较。 (2) 规定最小的偏差?。对于适应度目标已知的遗传算法，如用方差作为适应度计 算的曲线拟合问题，可用最小的偏差?制定终止条件，即： | fmax – f*| ≤ ? 式中 f*——已知的适应度目标； fmax——每代最大的适应废。 (3)观察适应度的变化趋势。在遗传算法的初期，最优个体的适应度以及群体的 平均适应度都较小，以后随着复制、交叉 、变异等操作，适应度值增加。到了遗传算法后期，这种增加已趋缓和或停止．一旦这种增加停止，即中止遗 传算法。 80年代以后，遗传算法得到了广泛的使用，在实践过程中，人们对遗传算法的实施提出了许多改进。本节分别予以介绍。 1 编码方法 [编码的重要性] 编码是应用遗传算法时要解决的首要问题，也是设计遗传算法的一个关键步骤。 ? 编码方法除了决定个体的染色体排列形式之外，它还决定了个体从搜索空间的基因型变换到解空间的表现型时的解码方法; ? 编码方法也影响到交叉算子、变异算子等遗传算子的运算方法。 由此可见，编码方法在很大程度上决定了如何进行群体的遗传进化运算以及 遗传进化运算的效率。 3.4—遗传算法的设计 [编码原则] 针对一个具体应用问题，如何设计一种完美的编码方案一直是遗传算法的应用难点之一，也是遗传算法的一个重要研究方向。可以说目前还没有一套既严密又完整的指导理论及评价准则能够帮助我们设计编码方案。作为参考，De Jong曾提出了两条操作性较强的实用编码原则(又称为编码规则)： ? 编码原则一(有意义积木块编码原则)：应使用能易于产生与所求问题相关的且 具有低阶、短定义长度模式的编码方案。 ? 编码原则二(最小字符集编码原则)：应使用能使问题得到自然表示或描述的具有最小编码字符集的编码方案 由于遗传算法应用的广泛性，迄今为止人们已经提出了许多种不同的编码方法。 总的来说，这些编码方法可以分为三大类： 二进制编码方法 浮点数编码方法 符号编码方法 1.1 二进制编码方法 二进制编码方法是遗传算法中最常用的一种编码方法，它使用的编码符号集是由二进制符号0和1所组成的二值符号集{0，1}，它所构成的个体基因型是一个二进制编码符号串。 (1) 编码 假设某一参数的取值范围是[umax, umin]，我们用长度为l的二进制编码符号串来表示该参数，则它总共能够产生 2l种不同的编码，参数编码时的对应关系如下： 00000000＝0 umin 00000001＝1 umin + ? …… 11111111=2l–1 umax 二进制编码的编码精度为： ? = Umax ? umin 2l ? 1 (2) 解码 假设某一个体的编码是： x： bl bl-1 bl-2……b2b1 则对应的解码公式为： 例如，对于 x?[ 0, 1023] ，若用 10 位长的二进制编码表示该参数的话，则下述符号串： x：0010101111 就可表示一个个体， 它所对应的参数值是 x＝175。 编码精度为 ? = 1。 (3) 二进制编码方法的优点： Ⅰ. 编码、解码操作简单易行； Ⅱ. 交叉、变异等遗传操作便于实现； Ⅲ. 符合最小字符集编码原则（使用能使问题得到自然表示或描述的具有最小 编码字符集的编码方案。）； Ⅳ. 便于利用模式定理对算法进行理论分析。 x = umin + ( ? bi · 2i-1) · 1 i=l Umax ? umin 2l ? 1 1.2 格雷码编码方法 格雷码编码方法是二进制编码方法的一种