GeneticAlgorithm基因演算法遗传演算法.PPT

Geometrical layout of the MVN-P activation function for k =3 and L=2 An illustration for MVN-P-C A sector with its membership function in MVN-P-F. A sector and its tolerating areas in MVN-P-F. Training with an instance of large z. Training with an instance of small z. The steps in GA. Initialization Crossover Mutation 陳錦平 何謂基因演算法? 基因演算法的策略與組成 初始染色體與設計 適應值計算 複製策略 交配策略 突變策略 基因演算法在解決問題的應用 達爾文進化論—適者生存。 物種的進化、強勢個體的續存、適應力強者之續存。 最佳化演算法之一。 基因演算法的組成要件:1.基因(Gene)2.染色體(Chromosome)3.適應函數(Fitness Function)4.族群(Population) 基因(Gene):變數。 染色體(Chromosome):各種變數的集合，可視為一個體。 族群(Population):個體的集合。 適應函數(Fitness Function):計算染色體的適應值。 基因演算法的策略:1.初始染色體(Initialization)2.適應值計算(Evaluation)3.複製(Reproduction)4.交配(Crossover)5.突變(Mutation)6.新的染色體(New Chromosomes) 以上整個策略的流程進行一輪稱為一個世代(Generation)，上一個世代的族群也稱為父代族群。 膚色 [1,100] 瞳孔顏色 [1,100] 智力 [1,200] 骨骼 [1,10] 耳朵大小 [1,5] …. Population 在設計初始染色體族群時需要指定族群大小。 染色體類型:1.二位元編碼2.實數編碼 二位元編碼 實數編碼 需要定義交配率(CrossoverRate)、突變率(MutationRate)。 …. 90 88 …. 70 複製策略中需要的幾個步驟:1.排序2.由父代中挑選數組較佳的染色體複製到下一世代的族群中 排序:將適應值由小到大或由大到小排序，以方便我們挑選出較佳的染色體。 由父代中挑選數組較佳的染色體複製到下一世代的族群中:1.競爭式選擇法 。2.隨機挑選法。3.輪盤式選擇法。 1.競爭式選擇法 … 90 88 86 82 81 70 2.隨機挑選法 … 90 88 86 82 81 70 3.輪盤式選擇法 交配策略中需要的幾個步驟1.由父代中挑選兩組染色體以進行交配的動作2.產生一機率值並藉由此數值判斷是否交配3.交配3.將交配過後的新染色體放入下一世代的族群中 由父代中挑選兩組染色體以進行交配的動作:1.競爭式選擇法。2.隨機選擇法。3.輪盤式選擇法。 產生一機率值並藉由此數值判斷是否交配:與交配率進行比較。 交配:1.單點交配2.雙點交配 1.單點交配: 以2位元編碼為範例 實數編碼的作法亦同。 2.雙點交配以實數編碼為範例 2位元編碼作法亦同。 突變策略中需要的幾個步驟:1.由父代中挑選欲進行突變的染色體2.突變3.將突變過後的染色體放入下一世代中 由父代中挑選欲進行突變的染色體:1.競爭式選擇法。2.隨機選擇法。3.輪盤式選擇法。 突變:1.隨機單點突變 隨機單點突變: Population R R R R R R R R R R R R R R R R R R R R R R R R R R R R R R 1.MVN-P with tolerant buffer 2.Economic dispatch 3.最適新型流感交通阻絕策略之基因演算法優選與防疫成本效益分析 Multi-valued Neuron with Periodic activation function (MVN-P) was proposed for solving classification problems. MVN-P is a complex-valued Neuron, having weights and input/output values located on the complex plane. It also projects multi-dimensional instances to t