第7章：遗传算法2试卷.pptVIP

遗传算法的改进 变异 在进化前期不采取变异操作，当种群进化到一定收敛时期，从最优个体中选择一部分个体进行初始化； 初始化：选择一定比例（扩散率，一般0.35）的基因座，随机地决定它们的位值。 1、CHC算法 遗传算法的改进 参数分析 交叉概率Pc和变异概率Pm的选择是影响遗传算法行为和性能的关键，直接影响算法的收敛性； Pc越大，新个体产生的速度就越快，但过大会使优秀个体的结构很快被破坏； Pc过小，搜索过程缓慢，以至停止不前； Pm过小，不易产生新个体结构， Pm过大，变成纯粹的随机搜索； 2、自适应遗传算法 遗传算法的改进 自适应策略 Srinvivas等提出一种自适应遗传算法，Pc和Pm能够随适应度自动改变： 当种群各个体适应度趋于一致或趋于局部最优时，使Pc和Pm增加；而当群体适应度比较分散时，使Pc和Pm减少； 对于适应度较高的个体，对应于较低的Pc和Pm ；而较低适应度的个体，对应于较高的Pc和Pm 。 2、自适应遗传算法 自适应方法 fmax——群体中最大的适应度值； favg——每代群体的平均适应度值； f’——要交叉的两个个体中较大的适应度值； f——要交叉或变异的个体适应度值； k1、k2、k3、k4 取(0,1)的