遗传算法7-2.pdf

第七章 遗传算法 §7.2 遗传算法的基本原理和方法 7.2.1 编码 ■ 编码定义 问题空间—— 由GA表现型个体（有效的候 选解）集合组成的空间 GA空间—— 由基因型个体集合组成的空间 定义：由问题空间到GA空间的映射称为编 码（coding），由GA空间到问题空间的映射称 为译码（decoding）。 ■ 编码（译码）评估规范和编码原理 完备性：问题空间中的所有点（候选解）都 能为GA空间中的点（染色体）表现。 健全性：GA空间中染色体能对应所有问题 空间中的候选解。 非冗余性；染色体和候选解一一对应。 ■ 编码规则 （1）易于生成与所求问题相关的短距和低 阶积木块。 （2 ）应采用最小字符集以使问题得到自然 的表达或描述。 ■ 编码技术 （略） 7.2.2 初始种群 ■ 初始种群的设定应满足一些策略 ■ 种群应具有多样性 7.2.3 适应度函数 ■ 适应度函数的设计方法 ■ 适应度函数的定标（scaling ） 自然界中，适应度和幸存再生是彼此相关 的。大量的后代幸存是由于它们能够适应环境， 而之所以能适应环境是由于它们的有大量的后代 幸存。在自然界中，幸存是最终目标。为此，有 必要，也有机会来调整群体中成员的竞争水平， 以便获得适应度高的个体。这种对适应度的调整 称为适应度定标。 7.2.4 遗传操作 遗传操作指3个操作：选择、交叉、变异 ■ 选择操作 选择操作常用的方法有： ● 适应度比例法，即轮盘赌方法 ● 最佳个体保存法 ● 期望值方法 ● 排序选择方法 ■ 交叉操作 选择操作常用的方法有： ● 一点交叉 ● 二点交叉 ● 多点交叉 ● 一致交叉 ■ 变异操作 选择操作常用的方法有： ● 基本变异操作 ● 逆转算子操作 7.2.5 遗传算法的理论 ■ 模式理论 模式理论认为：在整个算法的迭代过程中， 每个个体中含有某种结构，这个结构叫模式。 模式理论给出了模式的定义，并详细分析了 在迭代过程中，模式是如何一代一代传下去的， 分析了模式的运作规律。 ■ 依概率收敛理论 依概率收敛理论用概率论的原理和方法, 分 析了每一代个体（可行解）随迭代次数的增加， 在概率意义下，逐步向最优解靠近的过程。并给 出了相应的一些结论。 ■ 马尔可夫链理论 马尔可夫理论是用一类随机过程——马尔可 夫过程, 分析了一代种群与下一代种群之间的概 率特性，并给出了相应的一些结论。