遗传算法GA4.ppt

第四章 遗传算法的实现技术 80年代以后，遗传算法得到了广泛的使用，在实践过程中，人们对遗传算法的实施提出了许多改进。本节分别予以介绍。 4.1 编码方法 [编码的重要性] 编码是应用遗传算法时要解决的首要问题，也是设计遗传算法的一个关键步骤。 ? 编码方法除了决定个体的染色体排列形式之外，它还决定了个体从搜索空间 的基因型变换到解空间的表现型时的解码方法; ? 编码方法也影响到交叉算子、变异算子等遗传算子的运算方法。 由此可见，编码方法在很大程度上决定了如何进行群体的遗传进化运算以及 遗传进化运算的效率。 [编码原则] 针对一个具体应用问题，如何设计一种完美的编码方案一直是遗传算法的应 用难点之一，也是遗传算法的一个重要研究方向。可以说目前还没有一套既严密 又完整的指导理论及评价准则能够帮助我们设计编码方案。作为参考，De Jong 曾提出了两条操作性较强的实用编码原则(又称为编码规则)： ? 编码原则一(有意义积木块编码原则)：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。 ? 编码原则二(最小字符集编码原则)：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。 由于遗传算法应用的广泛性，迄今为止人们已经提出了许多种不同的编码方法。 总的来说，这些编码方法可以分为三大类： 二进制编码方法 浮点数编码方法 符号编码方法 4.1.1 二进制编码方法 二进制编码方法是遗传算法中最常用的一种编码方法，它使用的编码符号集 是由二进制符号0和1所组成的二值符号集{0，1}，它所构成的个体基因型是一个 二进制编码符号串。 (1) 编码 假设某一参数的取值范围是[umax, umin]，我们用长度为l的二进制编码符号串 来表示该参数，则它总共能够产生 2l种不同的编码，参数编码时的对应关系如 下： 00000000＝0 umin 00000001＝1 umin + ? …… 11111111=2l–1 umax 二进制编码的编码精度为： 例如，如果一个优化问题含有5个变量xi(i＝1,2,…,5)，每个变量都有其对应的上 下限[Uimin , Uimax]，则： (4) 浮点数编码方法的优点： ? 适合于在遗传算法中表示范围较大的数； ? 适合于精度要求较高的遗传算法； ? 便于较大空间的遗传搜索； ? 改善了遗传算法的计算复杂性，提高了运算效率； ? 便于遗传算法与经典优化方法的混合使用； ? 便于设计针对问题的专门知识的知识型遗传算子； ? 便于处理复杂的决策变量约束条件。 4.5.3 边界变异(Boundary mutation) (1) 边界变异 均匀变异操作的一个变形算法。在进行边界变异操作时，随机地取基因座的 二个对应边界基因值之一去替代原有基因值。 (2) 举例 假设有一个体为X=x1x2…xk…xn , 若xk为变异点，其取值范围为[Ukmin,Ukmax], 在该点对个体X进行边界变异操作后，可得到一个新的个体X=x1x2…xk’…xn, 其中变异点的新基因值是： 4.5.4 非均匀变异（Non_Uniform Mutation) (1) 均匀变异的不足 均匀变异操作取某一范围内均匀分布的随机数来替换原有基因值，可使得个体在搜索空间内自由移动。但另一方面，它却不便于对某一重点区域进行局部搜索。 (2) 非均匀变