遗传算法手工演示实例.pptxVIP

,,遗传算法手工模拟计算示例,,求最大值求二元函数最大值1个体编码 因 x1, x2 为 0 ~ 7之间的整数，所以分别用3位无符号二进制整数来表示，将它们连接在一起所组成的6位无符号二进制数就形成了个体的基因型，表示一个可行解。例如，基因型 X＝101110 所对应的表现型是：x＝[ 5，6 ] 2初始群体的产生 遗传算法是对群体进行的进化操作，需要给其准备一些表示起始搜索点的初始群体数据。 本例中，群体规模的大小取为4，即群体由4个个体组成，每个个体可通过随机方法产生。 如：011101，101011，011100，111001 (3) 适应度汁算 遗传算法中以个体适应度的大小来评定各个个体的优劣程度，从而决定其遗传机会的大小。 本例中，目标函数总取非负值，并且是以求函数最大值为优化目标，故可直接利用目标函 数值作为个体的适应度。 (4) 选择运算当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中。一般要求适应度较高的个体将有更多的机会遗传到下一代群体中。我们采用与适应度成正比的概率来确定各个个体复制到下一代群体中的数量先计算出群体中所有个体的适应度的总和 ?fi ( i=1.2,…,M ); ?其次计算出每个个体的相对适应度的大小 fi / ?fi ，它即为每个个体被遗传到下一代群体中的概率，? 每个概率值组成一个区域，全部概率值之和为1；?最后再产生一个0到1之间的随机数，依据该随机数出现在上述哪一个概率区域内来确定各个个体被选中的次数。选择运算,,,, 交叉运算是遗传算法中产生新个体的主要操作过程，它以某一概率相互交换某两个个体之间的部分染色体。 本例采用单点交叉的方法，其具体操作过程是：? 先对群体进行随机配对；?其次随机设置交叉点位置；? 最后再相互交换配对染色体之间的部分基因。,,交叉运算,,对个体的某一个或某一些基因座上的基因值按某一较小的概率进行改变，产生新个体一种操作方法。本例采用基本位变异方法来进行变异运算，具体操作：?首先确定出各个个体的基因变异位置，下表所示为随机产生的变异点位置，其中的数字表示变异点设置在该基因座处；? 然后依照某一概率将变异点的原有基因值取反。,,变异运算,,,,对群体P(t)进行一轮选择、交叉、变异运算之后可得到新一代的群体p(t+1)。变异运算,,,,表中有些栏的数据是随机产生的。这里为了更好地说明问题，我们特意选择了一些较好的数值以便能够得到较好的结果，而在实际运算过程中有可能需要一定的循环次数才能达到这个最优结果。总过程,,,,总过程,,