遗传算法.pptVIP

小结 遗传算法 模拟自然选择和有性繁殖、遗传变异的自然原理 实现优化搜索和问题求解 遗传操作 选择算子 交叉算子 变异算子 小结 特点 直接对结构对象操作，不存在求导和函数连续性的限定； 遗传算法不是从单个点，而是从一个点地群体开始搜索； 具有内在的隐并行性和较好的全局寻优能力； 采用概率化寻优方法，能自动获取搜索过程中的有关知识并用于指导优化，自适应地调整搜索方向，不需要确定地规则； 鲁棒性，稳定性好 谢谢大家！ * 07/16/96 * ## 5 流程图 计算种群中各个个体的适应度，并进行评价 满足终止条件吗？ 终止 选择 杂交 变异 Y 基本遗传算法的算法流程图 编码和生成初始种群 N 选择 6 基本实现技术 编码方法 二进制编码 格雷编码 编码规则 应使用能易于产生与所求问题相关的且具有低阶、短定义长度模式的编码方案 应使用能使问题得到自然表示或描述的具有最小编码字符集的编码方案 6 基本实现技术 适应值函数 适应值函数必须是正数 出现负数时应进行变换，常用变换方式有三种： 线性比例法：g(x) = a*f(x)+b (b0) 指数比例法：g(x) = exp(a f(x)) (a?0) 幂指数比例法：g(x) = (f(x))a (a为偶数) 7 算法举例 例2 利用遗传算法求解区间[0,31]上的二次函数y=x2的最大值 分析 原问题转化为[0,31]中寻找能使y取最大值的点x 区间[0,31]为论域空间/解空间 x为个体对象 函数f(x)= x2 可作为适应度函数 7 算法举例 解： 定义适应度函数，编码染色体 适应度函数取f(x)= x2 用5位二进制数作为个体x的基因型编码/染色体 设定种群规模，产生初始种群 种群规模N=4 初始种群S={s1=01101(13),s2=11000(24)， s3=01000(8)， s4=10011(19)} 7 算法举例 计算各代种群中各染色体的适应度，并进行遗传操作 选择 设从区间[0,1]产生4个随机数r1=0.45, r2=0.11, r3=0.57, r4=0.98 按轮盘赌选择法，染色体s1,s2，s3，s4依次选中次数为1，2，0，1 选择产生种群S1={s?1=11000(24),s?2=01101(13)， s?3=11000(24)， s?4=10011(19)} 染色体 适应度 选择概率 累积概率 估计选中次数 s1=01101 169 0.14 0.14 1 s2=11000 576 0.49 0.63 2 s3=01000 64 0.06 0.69 0 s4=10011 361 0.31 1.00 1 7 算法举例 交叉 设交叉率Pc=100%,即S1全部染色体参与交叉 将s?1与s?2配对，s?3与s?4配对，交换后两位基因 新种群S2={s?1=11001(25),s?2=01100(12)， s?3=11011(27)，s?4=10000(16)} 变异 设变异率Pm=0.001 种群变异基因位数： Pm*L*N=0.001*5*4=0.02 0.02不足1，本轮不做变异 --------------第一代遗传操作完成---------------- 第二代种群S={s1=11001(25),s2=01100(12)， s3=11011(27)，s4=10000(16)} 7 算法举例 选择 设从区间[0,1]产生4个随机数r1=0.25, r2=0.41, r3=0.77, r4=0.98 按轮盘赌选择法，染色体s1,s2，s3，s4依次选中次数为1，1，1，1 选择产生种群S1={s?1=11001(25),s?2=01100(12)， s?3=11011(27)， s?4=10000(16)} 染色体 适应度 选择概率 累积概率 估计选中次数 s1=11001 625 0.36 0.36 1 s2=01100 144 0.08 0.44 1 s3=11011 729 0.41 0.85 1 s4=10000 256 0.15 1.00 1 7 算法举例 交叉 将s?1与s?2配对，s?3与s?4配对，交换后三位基因 新种群S2={s?1=11100(28),s?2=01001(9)， s?3=11000(24)，s?4=10011(19)} 变异 种群变异基因位数： Pm*L*N=0.001*5*4=0.02 0.02不足1，本轮不做变异 --------------第二代遗传操作完成---------------- 第三代种群S={s1=11100(28),s2=01001(9)， s3=11000(24)，s4=10011(19)} 7 算法举例 选择