遗传算法原理.pptVIP

3.5.2解毒方法 要写出某一只已知病毒的解毒方法并非难事,但要写出GV病毒的解毒方法,可能不是那么容易。主要原因是,在图4中,针对时间t写出来解毒方法,在时间t+1已不适用,也不可能针对所有GV可能的变化,甚至包含变异的可能变化,都能够制作出解毒方法来。这也就是在自然界中,由于生物病毒的不断演变,医药界仍然找不到,可以解决各种病菌的唯一疫苗的道理。 返回 AGSAA的解码和适应度函数 AGSAA采用弹药装载的启发式算法来解码，解码后最终确定装入运输工具的弹药箱。适应度函数主要考虑两个方面，即载重率和积载率，对这两个因素加权，来计算适应度函数值。 弹药装载的启发式算法 　　（1）定位规则（Locating rule） 　　 定位规则是指用来确定当前待装弹药箱在运输工具剩余装载空间中摆放位置的规则。 　　 （2）定序规则（Ordering rule） 定序规则是指用来确定弹药箱放入运输工具装载空间先后顺序的规则。 遗传算子的选择 　　　AGSAA的选择算子采用轮盘赌选择算子，并结合最优保存策略；突变算子采用基本位突变算子；同时，在突变运算之后，增加退火算子，以增强算法的局部搜索能力；交叉概率和突变概率为自适应概率，以提高种群的进化效率。 交叉算子的选择 　　 由于AGSAA是采用将弹药箱的编号排列成串来进行编码的，如果个体交叉采用传统方式进行，就有可能使个体的编码产生重复基因（即一个弹药箱编号在一个个体中出现两次以上），从而产生不符合条件的个体，因此，AGSAA采用的是部分映射交叉算子。 部分映射交叉算子 交叉前： 　　 8 7 | 4 3 | 1 2 6 5 1 2 | 5 7 | 8 3 4 6 交叉后： 　　 8 3 | 6 7 | 1 2 4 5 1 7 | 6 2 | 8 3 4 5 返回 关于遗传算法应用方面我的研究 1、基于遗传算法的提高排课满意度的研究（计算机应用研究 中国计算机学会会刊 2007年增刊 电脑知识与技术.学术交流 2007/09） 2、基于遗传算法的虚拟物体的变形研究(计算机应用与软件 中国计算机学会会刊 录用待发) 3、计算机遗传病毒染毒机理分析(计算机应用与软件 中国计算机学会会刊 2008/08) 4、倒立摆的混合控制（审稿阶段） 5、基于GA和滑模控制的功率控制器的设计与仿真（审稿阶段） 6、基于遗传算法的智能化动态分组的研究（2008年山西省教育厅研究课题） 返回 基于遗传算法的提高排课满意度的研究染色体结构 染色体结构如右图上所示。该染色体含有m个基因，m的个数即是参与授课教师的总人数，每一个基因代表每位教师的课表，每一染色体即表示一种可能的排课结果。每位教师课表可用一维字符阵列表示。如右图下所示。例如：某一教师星期2第3大节要配置“微机原理”课程，字符阵列即可表示为：demo(23)=”微机原理” 结合所有的染色体及所有的教师人数和上述的一维字符阵列，可成为一个三维阵列，即（染色体编号、教师编号、教师课表）。例如：第５染色体的第８位教师，于星期二第３大节课要配置“微机原理”课程，字符阵列可表示为demo(5,8,23)=”微机原理” 以教师的课表为基因单位，两染色体经交叉操作后基因互换，不会影响到每位教师所教授的课程，也不会造成教师课表内含有其他教师的教授课程，不会出现每代演化后课表染色体结构不合理的问题。 基于遗传算法的提高排课满意度的研究适应性函数 适应性函数是计算出每条染色体的适应值。在本研究中，染色体若其适应值较大者，表示该排课结果拥有较多较佳授课时段，将会被给予较大的生存概率于下一代演化中。 首先建立每位教师的授课时段优先度，如表1所示，可由教师填入自己较喜欢的时段及其喜好程度，该表格将提供做适应性使用，其中3代表最喜欢的授课时段，2代表较喜欢的授课时段，1代表喜欢的授课时段，空白代表可以接受的授课时段，-1代表不喜欢的授课时段。在演化过程中，应尽量避免-1所代表的时段，以避免教师不愿授课。 将染色体中每个基因（教师课表）与教师时段喜好表比较，取相对应位置的值相加，如此累计计算出整条染色体的值。染色体函数计算所得的适应值也越大。 基于遗传算法的提高排课满意度的研究选择 选择就是将较大适应值的染色体复制到交叉池中。本文采用随机竞争法，即由上一代随机选取两条染色体来竞争，适应值较大的即可生存下来。此方法的优点是不影响竞争概率。 基于遗传算法的提高排课满意度的研究交叉 交叉是以每位教师课程表为基因单位，进行随机交换。方法是随机自交叉池里选取一对染色体作为进行交叉的双亲，并再取一乱数值（设为r），与系统预设的交叉率值（设为t）比较，若rt即进行交换基因。 基于遗传算法的提高排课满意度的研究突变 突变是随