计算智能-遗传算法总汇.ppt

§2.2 遗传算法的求解步骤 2.种群初始化 随机产生一定数量的染色体，每个染色体为22位字节的二进制数即可。 3.适应度函数 由于目标本身为求函数最大值，适应度函数取目标函数即可。 eval(v)=f(x) v代表染色体 例如：v=(1000100000110101000111) 对应x=0.637197 eval(v)=f(x)=1.586345 4.遗传操作 包括复制、交叉和变异。同上面介绍。 6.算法参数 种群规模pop-size=50，交叉概率pc=0.25，变异概率pm=0.01。 §2.2 遗传算法的求解步骤 结果表明： 随着代数的增加，适应值也不断增加，直到第150代，最佳染色体为vmax=(1111001101000100000101),它对应xmax=1.850773, f(xmax)=2.850227 遗传算法计算结果 代数 适应度函数值 代数 适应度函数值 1.4419422 2.250003 2.250283 2.250363 2.250363 12 2.328077 39 2.344251 40 2.345087 51 2.738930 99 2.849246 137 2.850217 150 2.850227 * 　 * 让我们来讨论TSP的交叉操作作为较复杂的例子，举例如下：　　以下标作为交叉位置的编号，设已选择了如下两个染色体：w1 w2 …… wnz1 z2 …… zn随机产生一个1和n-1之间的数k，将此二染色体中前k个城市作交换，得到：z1 z2 …… zk wk+1 wk+2 …… wn w1 w2 …… wk zk+1 zk+2 …… zn 　　但这两个可能不是合法的染色体，因为可能有重复的数码，要进行如下的合法化处理：首先对z1 z2 …… zk wk+1 wk+2 …… wn进行改造。将z1 z2 …… zk 和wk+1 wk+2 …… wn中的数字进行比较，如果在wk+1 wk+2 …… wn中出现了z1 z2 …… zk的数字，就在wk+1 wk+2 …… wn中删除这些数字，剩下来的总数串就没有n个了，也就是说不是1，……，n的一个全排列，其中缺少的数字是w1 w2 …… wk中的某些数字，因此按w1 w2 …… wk的顺序将缺少的数字取出来补到z1 z2 …… zk wk+1 wk+2 …… wn的后面。如此繁杂的过程可以简化如下，首先将w1 w2 …… wk加到z1 z2 …… zk wk+1 wk+2 …… wn后面，得到：z1 z2 …… zk wk+1 wk+2 …… wn w1 w2 …… wk　　从这个数串的wk+1 wk+2 …… wn中wk+1 wk+2 …… wn已出现在z1 z2 …… zk中的数字，接着从w1 w2 …… wk部分中删除已出现在z1 z2 …… zk wk+1 wk+2 …… wn中的那些数字，得到的是一个合法的染色体。　　同样对另一个不合法染色体进行类似合法化。 * 现在对TSP的变异操作作简单介绍，随机产生一个1至n之间的数k，决定对回路中的第k个城市的代码wk作变异操作，又产生一个1至n之间的数w，替代wk，并将wk加到尾部，得到： w1 w2 …… wk-1 w wk+1 …… wn wk　　你发现这个串有n+1个数码，注意数w其实在此串中出现重复了，必须删除与数w相重复的，得到合法的染色体。 　　 * 实例1：3-PRR并联定位平台的运动学标定 工作空间：±50mm，±10° PRO/E中的机械设计图 3-PRR并联平台实物样机 实例1：3-PRR并联定位平台运动学模型 由并联平台矢量约束关系 可得到动平台在工作空间内任意位姿下，三个直线超声电机的运动学逆解 实例1：3-PRR并联定位平台运动学标定 令上式等号左边为Ei，i=1,2,3 选取N组位形，求得相应电机输出，驱动电机到理论位置测得实际平台位形，基于粒子群算法求得使J