遗传算法。最终章课程.ppt

遗传算法及其MATLAB实现 第4组 唐煦尧 朱萌萌 廉馨 目录 概念及背景知识 流程图 算法 应用程序 * * 遗传算法的概念最早是由Bagley J.D 于1967年提出的。后来Michigan大学的J.H.Holland教授于1975年开始对遗传算法（Genetic Algorithm, GA）的机理进行系统化的研究。遗传算法是对达尔文生物进化理论的简单模拟，其遵循“适者生存”、“优胜略汰”的原理。遗传算法是一种通过模拟自然进化过程搜索最优解的方法。 它被提出以来，在函数优化、生产调度、模式识别、神经网络、自适应控制等领域得到了广泛的应用，大大提高了问题求解的效率。 现实生活中很多问题都可以转换为函数优化问题，遗传算法则大大提高了求解全局最优解的效率，具有很高的价值。 概念及背景知识 流程图 初始化数据 统计计算 选择 交叉 突变 遗传 迭代结束？ 否 结束 是 例题：求max f(x(1),x(2))=21.5+x(1)*sin(4πx(1))+x(2)*sin(20πx(2)) -3.0≤x(1)≤12.1 s.t. 4.1≤x(2)≤5.8 函数f（x1，x2）的三维图形如图所示。 （1）编码 首先要进行编码工作，即将变量转化成二进制数串。数串的长度取决于所要求的精度。例如，变量x的区间是（L,U），要求的精度是小数点后4位，也就意味着每个变量应该被分成至少（L,U）*10^4个部分。对一个变量的二进制数串位数用以下公式计算： 本例精度要求保留小数点后4位，则目标函数的两个自变量x1及x2所构成的染色体数串可以表示如下： 本例中任一染色体数串都是33位，即000001010100101001101111011111110. 以上编码前18位表示x1，后15位表示x2，如下表所示。 则二进制转化成十进制为 假设初始种群中有10个个体，其染色体可随机生成如下： 相对应的十进制的实际值[x1，x2]为 * (2)评价个体适应度 对一个染色体数串的适应度的评价由以下三个步骤组成： ①将染色体串进行解码，转换成真实值，即： ②评价目标函数f= -f（x） ③将目标函数值转为适应度，上述染色体的适应度值如下： * 依照染色体的适应度值进行新种群的复制，步骤如下： ①计算染色体的适应度值 ②计算种群的适应度值总和： ③计算每个染色体被复制的概率： ④计算每个染色体被复制的累积概率： （3）新种群复制 依照轮盘选择法，转动轮盘10次（种群中有10条染色体），每次选择一个作为新种群的染色体。假设10次中产生的0~1随机数序列如下： 0.301431 0.322062 0.766503 0.881893 0.350871 0.538392 0.177618 0.343242 0.032685 0.197577 根据以上的计算方法，可以先计算出种群中每个染色体的适应度和概率，如下表所列。利用计算机模拟轮盘选择法，假设计算机产生10个[0,1]区间的随机数列如下： 第1个随机数为0.301431，大于Q3小于Q4，所以U4被选中； 第2个随机数为0.322062，大于Q3小于Q4，所以U4再次被选中； …… 第10个随机数为0.197577，大于Q1小于Q2，所以被U2选中； 依照轮盘选择法，新种群的染色体组成如下： 这种轮盘选择法的机理是：染色体的适应度大意味着[Qk,Qk+1]区间跨度就大，随机数发生器产生的均匀随机数就会有更大的概率落在较大长度的[Qk，Qk+1]区间里，这样具有较大Pk值的染色体自然更有机会复制到下一代。 * （4）新种群交配 ①交配染色体数量的确定 交配染色体数量=染色体总量×交配概率 [10 × 0.25]=2 即交配染色体数目为2 ②交配染色体对象的确立 用计算机产生[0,1]区间的10个随机数，确定其分别对应10个个体，其中低于交配概率的参加交配。 ③在交配池发生交配 （5）基因突变 假设突变几率P为0.01，亦即种群内所有基因都有0.01的概率进行突变。本例中共有33×10＝330个基因，即希望每一代中有3.3个突变基因，每个基因的突变概率是均等的。因此，将产生330个介于0~1之间的随机数，然后将该随机数小于0.01者选出，并