第5章 遗传算法在.ppt

智能优化算法 智能优化算法又称现代启发式算法，是一种具有全局优化性能、通用性强且适合于并行处理的算法。 这种算法一般具有严密的理论依据，而不是单纯凭借专家经验，理论上可以在一定的时间内找到最优解或近似最优解。 遗传算法属于智能优化算法之一。 常用的智能优化算法 遗传算法 模拟退火算法 禁忌搜索算法 粒子群算法 蚁群算法 …… 智能优化算法的特点 从任一解出发，按照某种机制，以一定的概率在整个求解空间中探索最优解。 求解的过程通常是一个迭代的过程，即不是一步就完成。 由于它们可以把搜索空间扩展到整个问题空间，因而具有全局优化性能。 遗传算法概述 美国J. Holland教授于1975年在专著《自然界和人工系统的适应性》中首先提出。 借鉴生物界自然选择和自然遗传机制的随机化搜索算法。 模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象。 遗传算法概述 在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。 基本遗传算法（Simple Genetic Algorithms，GA)又称简单遗传算法或标准遗传算法），是由Goldberg总结出的一种最基本的遗传算法，其遗传进化操作过程简单，容易理解，是其它一些遗传算法的雏形和基础。 基本遗传算法的组成 （1）编码（产生初始种群） （2）适应度函数 （3）遗传算子（选择、交叉、变异） （4）运行参数 编码 遗传算法（GA）通过某种编码机制把对象抽象为由特定符号按一定顺序排成的串。 正如研究生物遗传是从染色体着手，而染色体则是由基因排成的串。 基本遗传算法（SGA）使用二进制串进行编码。 编码示例 求下列一元函数的最大值： 一个问题 对于x∈[-1, 2] ，结果精确到6位小数， （1）二进制编码要求取多少位？ （2）十进制实数与二进制编码之间应满足怎样的数学关系？ 编码示例的分析 区间长度为3，求解结果精确到6位小数，因此可将自变量定义区间划分为3×106等份。 又因为221 3×106 222 ，所以二进制编码长度至少需要22位。 编码过程实质是将区间[-1，2]内对应的实数值转化为一个二进制串（b21b20b19b18…b1b0）。 一个问题 对于x∈[-1, 2] ，结果精确到6位小数，十进制实数与二进制编码之间应满足怎样的数学关系？ 编码(二进制)与实数(十进制)的转换 编码与实数的转换 基因型与表现型 基因型：1000101110110101000111 初始种群 基本遗传算法（SGA）采用随机方法生成若干个个体的集合，该集合称为初始种群。 初始种群中个体的数量称为种群规模。 适应度函数 遗传算法对一个个体（解）的好坏用适应度函数值来评价，适应度函数值越大，解的质量越好。 适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题本身的要求而定。 选择算子 遗传算法使用选择运算对个体进行优胜劣汰操作。 适应度高的个体被遗传到下一代群体中的概率大；适应度低的个体，被遗传到下一代群体中的概率小。 选择操作的任务就是从父代群体中选取一些个体，遗传到下一代群体。 基本遗传算法（SGA）中选择算子采用轮盘赌选择方法。 一等奖 轮盘赌选择方法 轮盘赌选择又称比例选择算子，其基本思想是：各个个体被选中的概率与其适应度函数值成正比。 设群体大小为N，个体xi 的适应度为 f(xi)，则个体xi的选择概率为： 轮盘赌选择方法 轮盘赌选择方法 轮盘赌选择方法 轮盘赌选择方法的实现步骤: （1）计算群体中所有个体的适应度值； （2）计算每个个体的选择概率； （3）计算积累概率； （4）采用模拟赌盘操作（即生成0到1之间的随机数与每个个体遗传到下一代群体的概率进行匹配）来确定各个个体是否遗传到下一代群体中。 轮盘赌选择方法 例如，有染色体 s1= 13 (01101) s2= 24 (11000) s3= 8 (01000) s4= 19 (10011) 假定适应度为f (s)=s2 ，则 f (s1) = f(13) = 132 = 169 f (s2) = f(24) = 242 = 576 f (s3) = f(8) = 82 = 64