优化原理与方法13.ppt

遗传算法的改进途径 （1）适应度函数动态定标 （2）对编码方式的改进 （3）对遗传算子 的改进 （4）对控制参数的改进 （5）对执行策略的改进 §7.1 遗传算法原理与应用 二、遗传算法原理 在遗传算法进化过程中，有时会产生一些超常的个体，这些个体因竞争力太突出而控制了选择运算过程，从而影响算法的全局优化性能，导致算法获得某个局部最优解。 §7.1 遗传算法原理与应用 二、遗传算法原理 适应度函数动态定标 对编码方式的改进 编码：由问题解空间到到GA编码空间的映射，以及其反映射，即解码，要满足完备性、唯一性等一些基本要求。 编码与遗传算子的选择和设计关系密切。 二进制编码优点在于编码、解码操作简单，交叉、变异等操作便于实现，缺点在于精度要求较高时，个体编码串较长，使算法的搜索空间急剧扩大，遗传算法的性能降低。格雷编码（格雷码是一个数列集合，相邻两数间只有一个位元改变）克服了二进制编码的不连续问题 ，浮点数编码改善了遗传算法的计算复杂性 。 §7.1 遗传算法原理与应用 二、遗传算法原理 对编码方式的改进 §7.1 遗传算法原理与应用 二、遗传算法原理 十进制数 自然二进制数 格雷码 十进制数 自然二进制数 格雷码 0 0000 0000 8 1000 1100 1 0001 0001 9 1001 110