第5章计算智能（04遗传算法GA）.ppt.pptVIP

第5章 计算智能 ★5.4 遗传算法 5.4 遗传算法 生物种群的生存过程普遍遵循达尔文的物竞天择、适者生存的进化准则。 种群中的个体根据对环境的适应能力而被大自然所选择或淘汰。进化过程的结果反映在个体结构上，其染色体包含若干基因，相应的表现型和基因型的联系体现了个体的外部特性与内部机理间的逻辑关系。 5.4 遗传算法 生物通过个体间的选择、交叉、变异来适应大自然环境。 生物染色体用数学方式或计算机方式来体现就是一串数码，仍叫染色体，有时也叫个体；适应能力用对应一个染色体的数值来衡量；染色体的选择或淘汰问题是按求最大还是最小问题来进行的。 5.4 遗传算法 20世纪60年代以来，如何模仿生物来建立功能强大的算法，进而将它们运用于复杂的优化问题，越来越成为一个研究的热点。 进化计算正是在这个背景下孕育而生的。进化计算包括遗传算法（GA）、进化策略、进化编程和遗传编程。 5.4 遗传算法 人类不满足于模仿生物进化行为，希望能够建立具有自然生命特征的人造生命和人造生命系统。 对人工生命的研究，自1987年起取得了重要的进展。这是人工智能和计算智能的一个新的研究热点。进化计算为人工生命研究提供了计算理论和有效的开发工具。 5.4 遗传算法 遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的一种最重要的形式。 遗传算法与传统数学模型截然不同，它为那些难以找到传统数学模型的难题找出了一个解决方法。 5.4 .1遗传算法的基本原理 霍兰德的遗传算法通常称为简单遗传算法(SGA)。现以此作为讨论的主要对象，加上适当的改进，来分析遗传算法的结构和机理。 首先介绍主要概念。在讨论中会结合推销员旅行问题（TSP）加以说明：设有n个城市，城市i和城市j之间的距离为d(I,j)(I,j=1,2,….,n)。TSP问题是要寻找遍访每个城市恰好一次的一条回路，且其路径总长度最短。 1.编码与解码 许多应用问题的结构很复杂，但可以化为简单的位串形式编码来表示。将问题结构变换为位串形式编码表示的过程叫做编码；相反地，将位串形式编码表示变换为原问题结构的过程叫做解码或译码。把位串形式编码表示叫做染色体，有时也叫做个体 1.编码与解码 GA的算法过程简述如下。首先，在解空间中取一群点，作为遗传开始的第一代。每个点（基因）用一个二进制数字串表示，其优劣程度用一个目标函数——适应度函数来衡量。 1.编码与解码 遗传算法最常用的编码方法是二进制编码，其编码方法如下： 假设某一参数的取值范围是[A，B]，AB.用长度为l的二进制编码串来表示该参数，将[A，B]等分成2l-1个子部分，记每一个等分的长度为 ，则它能够产生2l种不同的编码，参数编码的对应关系如下： 1.编码与解码 1.编码与解码 1.编码与解码 二进制编码的最大缺点是长度较大，对很多问题用其他编码方法可能更有利。 其他编码的方法主要有：浮点数编码方法、格雷码、符号编码方法、多参数编码方法等。 1.编码与解码 浮点数编码方法是指个体的每个染色体用某一范围内的一个浮点数来表示，个体的编码长度等于其问题变量的个数。因为这种编码方法使用的是变量的真实值，所以浮点数编码方法也叫做真值编码方法。对于一些多维、高精度要求的连续函数优化问题，用浮点数编码来表示个体时将会有一些益处。 1.编码与解码 格雷码是其连续的两个整数所对应的编码值之间只有一个码位是不相同的，其它码位都有完全相同。例如十进制数7和8的格雷码分别为0100和1100，而二进制编码分别为0111和1000 1.编码与解码 符号编码方法是指个体染色体编码串的基因值取自一个无数值含义而只有代码含义的符号集。这个符号集可以是一个字母表，如{A，B，C，D，……};也可以是一个数字序号表，如{1，2，3，4……};也可以是一个代码表，如{x1,x2,x3,x4,x5,…….} 1.编码与解码 对于推销员旅行问题（TSP），就是采用符号编码方法，按一条回路中城市的次序进行编码。码串134567829表示从城市1开始，依次经过城市3，4，5，6，7，8，2，9，最后回到城市1。一般表况是从城市w1开始，依次经过城市w2,w3,……wn，最后回到城市w1,于是有如下编码表示： w1,w2,……wn 由于是回路，记wn+1=w1。它其实是1，2，…….n的一个循环排列。要注意w1,w2,……wn是互不相同的 2.适应度函数 为了体现染色体的适应能力，引入了对问题中的每一个染色体都能进行量度的函数，叫做适应度函数。通过适应度