2012我们计算的智能-2.genetic算法.pptVIP

　 引子;　 引子;　 引子;遗传算法;　 　遗传算法 遗传算法(Genetic Algorithm, GA)是一类以Darwin的自然进化论和Mendel遗传变异理论为基础的求解复杂全局优化问题的仿生型算法。它由美国Holland教授首次提出。 GA基于适者生存，优胜劣汰的进化原则，对包含可能解得群体反复使用遗传学的基本操作，不断生成新的群体，使种群不断优化，同时以全局并行搜索技术来搜索优化群体中的最优个体，以求得最优解。;函数优化问题;组合优化问题;　 　遗传算法的发展史 20世纪50年代，研究人员开始研究运用数字计算机模拟生物的自然遗传和自然进化的过程，但研究人员大多是生物学家，其目的是通过模拟更深入的理解自然遗传与自然现象。 20世纪60年代，Holland教授开始认识到生物的自然遗传现象与人工自适应系统行为的相似性，他提出设计人工自适应系统时，可以借鉴生物自然遗传的原理。;　 　遗传算法的发展史 1967年，他的学生Bagley在博士论文中首次提出“遗传算法(Genetic Algorithm)”一词。 1971年，Hollstien在他的博士论文中首次把遗传算法用于函数优化。 1975年，Holland的出版了他的专著《自然系统和人工系统的自适应》。该书提出了对于遗传算法极其重要的模式理论。;　 　遗传算法的发展史 1985年，第一届遗传算法国际会议（ICGA）在美国召开。 1989年，Holland的学生Goldberg出版了专著《搜索，优化和机器学习中的遗传算法》，该书奠定了现代遗传算法的基础。 ;　 　基本概念 1. 个体与种群;　 　基本概念;2. 染色体与基因 　　染色体（chromosome）就是问题中个体的某种字符串形式的编码表示。字符串中的字符也就称为基因（gene）。 例如：;;遗传算法包含两个必要的数据转换操作： 1. 表现型到基因型的转换 （编码） 2. 基因型到表现型的转换 （解码） ;● 原因：遗传算法只能处理染色体，不能直接在问题解集上进行相应操作。 常用的编码策略为： 1. 一维染色体编码 2. 多参数映射编码 3. 可变染色体长度的编码 ;● 一维染色体编码 指问题空间映射到染色体空间后，其相应的基因呈一维排列构成染色体。 一维染色体常用的符号集是二值符号集{0，1} ● 如果问题解空间是整数，其编码需要两步确定 确定编码长度。 如果问题解空间范围为x，那么编码长度为 2. 确定编码 ;● 确定编码，将整数转换为二进制表示形式。 方法：除2取余法。 例如：9 = (1001)2;● 如果所求解空间包含负值。 如果解空间为整数，可使用添加符号位的方法解决，即正数符号位为0，负数为1 +9 = (01001)2 -9 = (11001)2;2.编码;(1)转化为整数;(1)转化为整数;(2)转化为实数;例2 依据上例编写程序，给定任意N位的染色体，将其转换为解空间为[a,b]的实数。;● 2. 多参数映射编码 优化问题经常碰到带优化的参数不止一个的情况，因此需要采用多参数映射编码。 思想：现将每个参数进行二进制串编码，然后将这个子串生成一个完整的染色体。 例如： （2，5，6）---- 010 101 110 注：每个子串的码长可以不同。 (2, 5, 100) ---- 010 101 1100100 ;　 2. 适应值与适应值函数 ● 适应值(fitness)就是借鉴生物个体对环境的 适应程度,而对问题中的个体对象所设计的 表征其优劣的一种测度。 ● 适应值函数(fitness function)就是问题中的 全体个体与其适应值之间的一个映射关系。 它一般是一个实值函数。该函数就是遗传算 法中指导搜索的评价函数。 ; 适应值函数的要求 针对输入能够计算出可以加以比较的非负结果。 对于最大化问题： 对于最小化问题： ;4. 遗传操作 　　亦称遗传算子(genetic operator)，就是关于染色体的运算。遗传算法中有三种遗传操作: ● 选择-