交配机率.PPT

第九章? 基因演算法則 9.1 引言 最佳化的設計法則可分為兩類: (1) 第一類是特定型最佳化法則: 由於是針對某些特定的函數特性所發展出來，因此目標函數 (object function) 必須滿足某些特性，如線性、非時變、可微分等，微分法及梯度法屬於此類。 (2) 第二類是廣義型最佳化法則: 不論目標函數的特性為何，皆不用修改設計法則，隨機搜尋及基因演算法則皆屬此類。 基因演算法則的搜尋速度比隨機搜尋更有效率；而就系統效能而言，特定型最佳化法則效率較高但僅能處理特定系統；廣義型最佳化法則的應用範圍較廣但效率較低。 9.2 基因演算法則 基因演算法則的基本理論是由 Holland 於 1975 年首先提倡，是基於自然選擇過程的一種最佳化搜尋機構。 其基本精神在於仿效生物界中物競天擇、優勝劣敗的自然進化法則。 基因演算法則的三個主要運算子為複製 (reproduction)、交配 (crossover)、以及突變 (mutation)。 應用基因演算法則來解最佳化問題的基本精神為：將所要搜尋的所有參數編碼成稱為染色體 (chromosonl)的離散 (discrete) 或二元 (binary) 字串 (string) 來代表參數的值；如此隨機地重覆產生N個初始物種(字串)，然後依據求解之條件來設計適應函數 (fitness function)，適應函數值高的物種將被挑選至交配池 (mating pool) 中，此即複製過程，再依交配及突變過程的運算，即完成一代的基因演算法則，如此重覆下去以產生適應性最強的物種 。 複製 (reproduction) (1) 複製是依據每一物種的適應程度來決定其在下一子代中應被淘汰或複製的個數多寡的一種運算過程，其中適應程度的量測則是由適應函數來反應。 (a) 輪盤式選擇: 在每一代的演化過程中，首先依每個物種(字串)的適應函數值的大小來分割輪盤上的位置，適應函數值越大則在輪盤上佔有的面積也越大，每個物種在輪盤上所佔有的面積比例也就代表其被挑選至交配池的機率；然後隨機地選取輪盤上的一點，其所對應的物種即被選中送至交配池中。 (b)競爭式選擇:在每一代的演化過程中，首先隨機地選取兩個或更多個物種(字串)，具有最大適應函數值的物種即被選中送至交配池中。 由於競爭式選擇所需的計算量較少、且可以藉由一次選取物種個數的多寡來控制競爭的速度，因此我們建議採用競爭式選擇。 交配 (crossover) (1) 交配過程是隨機地選取交配池中的兩個母代物種字串，並且彼此交換位元資訊，進而組成另外兩個新的物種。 交配過程發生的機率由交配機率所控制。 而交配過程有三種型式：(a)單點交配、(b)兩點交配、及(c)字罩交配。 (a) 單點交配 在所選出的兩字串中，隨機地選取一交配點，並交換兩字串中此交配點後的所有位元。 (b) 兩點交配 在所選出的兩字串中，隨機地選取兩個交配點，並交換兩字串中兩個交配點間的所有位元。 (c) 字罩交配 首先產生與物種字串長度相同的字罩當作交配時的位元指標器，其中字罩是隨機地由 0 與 1 所組成，字罩中為 1 的位元即是兩物種字串彼此交換位元資訊的位置。 突變 (mutation) 突變過程是隨機地選取一物種字串並且，隨機地選取突變點，然後改變物種字串裡的位元資訊。 突變過程發生的機率由突變機率所控制。 突變過程可以針對單一位元、或對整個字串進行突變運算、或以字罩突變方式為之。 對於二進制的位元字串而言就是將字串中的 0 變成 1， 1 變成 0。 範例9.1：手算範例 (1) 假設所處理的函數是 f(x)=x2，為了說明方便起見，我們將變數 x 的範圍限制在，希望能找到在限制範圍內的函數最大值，我們選定以五個位元來編碼變數 x，並將交配機率設定為 1.0 ，突變機率設定為 0.1， 步驟一、產生初始族群：我們設定族群數目的大小為 4，隨機地產生如表9.1所示四個字串： 範例9.1：手算範例 (2) 步驟二、複製過程：由於我們所要最佳化的函數是單調遞增的，所以我們可以直接以此函數當做為適應函數 步驟三、交配過程 : 在初始族群中的第一個字串被複製一個至交配池中，第二個字串被複製二個至交配池中，第三個字串被複製一個至交配池中，第四個字串則被淘汰，我們投擲兩個公平的硬幣以決定交配池中的字串應如何配對，結果如表9.3所示，交配池中的第一個字串與第二個字串交配，第三個字串與第四個字串交配；而交配點的選擇也是以投擲兩個公平的硬幣來作決定，結果如表9.3所示。 範例9.1：手算範例 (3) 步驟四、突變過程：突變過程的作法是將字串中的基因隨機地由 0 變 1 或由 1 變 0，由於我們設定的突變機率為 0.1，而族群中的基因總數為族