第四章：遗传算法课件.pptVIP

第四章 遗传算法 4.4.1 GA的特点 (4) 随机性 GA中的选择、交叉和变异都是随机操作,而不是确定的精确规则. 这说明GA是采用随机方法进行最优解搜索,选择体现了向最优解迫近,交叉体现了最优解的产生,变异体现了全局最优解的覆盖. GA在应用中最关键的问题有如下3个: (1) 串的编码方式 这本质是问题编码. 一般把问题的各种参数用二进制编码,构成子串;然后把子串拼接构成“染色体”串. 串长度及编码形式对算法收敛影响极大. 4.4.2 GA的应用关键 (2) 适应函数的确定 适应函数(fitness function)也称目标函数(object function),这是问题求解品质的测量函数;往往也称为问题的“环境”. 一般可以把问题的模型函数作为对象函数，但有时需要另行构造. 4.4.2 GA的应用关键 (3) GA自身参数设定 GA自身参数有3个,即群体大小n、交叉概率Pc和变异概率Pm. 群体大小n太小时难以求出最优解,太大则增长收敛时间. 一般n=30~160. 交叉概率Pc太小时难以向前搜索,太大则容易破坏高适应值的结构. 一般取Pc=0.25~0.75. 4.4.2 GA的应用关键 (3) GA自身参数设定 变异概率Pm太小时难以产生新的基因结构,太大使GA成了单纯的随机搜索. 一般取Pm＝0.01~0.2. 终止规则 (a)选定一个总的遗传代数