- 1、本文档共64页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
遗传算法(第9讲)的
遗传算法;培训大纲;*;达尔文;自然选择学说;遗传学之父;遗传算法的起源;遗传算法的搜索机制;遗传算法的步骤;遗传算法流程图;培训大纲;遗传学相关概念 ;遗传学相关概念 ;生物的进化是以集团的形式共同进行的,这样的一个团体称为群体(Population),或称为种群。
组成群体的单个生物称为个体(Individual),
每一个个体对其生存环境都有不同的适应能力,这种适应能力称为个体的适应度(Fitness)。
个体:就是模拟生物个体而对问题中的对象(一般就是问题的解)的一种称呼,一个个体也就是搜索空间中的一个点。
种群:就是模拟生物种群而由若干个体组成的群体, 它一般是整个搜索空间的一个很小的子集。; 适应度(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。
适应度函数(fitness function):就是问题中的全体个体与其适应度之间的一个对应关系。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。
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:
个体 染色体
9 ---- 1001
(2,5,6)---- 010 101 110
; 基本思想:;遗传算法的步骤 ;遗传算法具体步骤 ;培训大纲;基本遗传算法; 编码 ;确定编码方案;原则:1 低阶,短定义精度(易于生成适应度较高的个体)
2 最小字符集(在确定规模的种群中能处理最多的模式);二进制编码对于一些连续函数的优化问题,由于随机性使其局部搜索能力差;精度和编码串长度问题。;转换:二进制编码
格雷码:
二进制到格雷:
格雷到二进制:
其他编码方法:浮点数编码方法,符号编码方法
十进制编码方法
;(1)编码和产生初始群体;函数优化示例 ;几个术语 ;初始种群 ;适应度不能为负;
函数值最大,最小。;适应度尺度变换较常用的方法是线性尺度变换。现行尺度变换的公式如下:F’=aF+b, 式中F-原适应度;F’-变换后的适应度;a和b是系数。系数a、b直接影响到这个尺度变换的大小一般希望它们满足两个条件:
条件一:尺度变换后全部个体的新适应度的平均值F’avg要等于其原适应度平均值Favg,即:F’avg= Favg。这条要求是为了保证群体中适应度接近于平均适应度的个体能够有期待的数量被遗传到下一代中。
条件二:尺度变换后群体中新的最大适应度F’max要等于其原平均适应度Favg的指定倍数,即: F’max=C* Favg.式中C为最佳个体的期望复制数量,对于群体大小为50~100的情况,一般取C=1.2~2。这条要求是为了保证群体中最好的个体能够期望复制C倍到新一代群体。
;适应度函数;适应度函数(评估函数);选择标准;选择算子; 选择算子; 确定式采样选择;轮盘赌选择方法;选择策略的内在原理;交叉算子;交叉算子;单点交叉运算 ;两点交叉;均匀交叉;基于实向量算术运算的交叉;变异算子 ;变异算子;基本位变异算子的执行过程 ;;SGA的框图 ; 遗传算法基本流程框图;遗传算法的循环过程;遗传算法优点;遗传算法缺点;培训大纲;遗传算法的手工模拟计算示例
为更好地理解遗传算法的运算过程,下面用手工计算来简单地模拟遗传算法的各
个主要执行步骤。
例:求下述二元函数的最大值:
max f(x1,x2)=x12+x22
s.t. x1 ? {1,2,3,4,5,6,7}
x2 ? {1,2,3,4,5,6,7}
(1) 个体编码
遗传算法的运算对象是表示个体的符号串,所以必须把变量 x1, x2 编码为一种符号串。本题中,用无符号二进制整数来表示。
因 x1, x2 为 0 ~ 7之间的整数,所以分别用3位无符号二进制整数来表示,将它
们连接在一起所组成的6位无符号二进制数就形成了个体的基因型,表示一个可
行解。
例如,基因型 X=101110 所对应的表现型是:x=[ 5,6 ]。
个体的表现型x
您可能关注的文档
- 远景和使命陈述的.ppt
- 进化课件正式的.ppt
- 连续函数的性质的.doc
- 连续复利计算公式的.doc
- 连续工龄计算的政策的依据.doc
- 连续性方程的.pdf
- 连续梁预压方案的.doc
- 连续时间信号的频域的分析.doc
- 连续热镀铝锌工艺要的点和技术.doc
- 连续玄武岩纤维的发的展及应用前景.doc
- 铁路隧道底鼓风险动态评估与综合整治技术的深度剖析与实践应用.docx
- 吸收犯存在范围的多维审视与界定.docx
- 大学生陌生人信任度:现状剖析与影响因素的深度探究.docx
- 全球金融危机下上海经济学门类毕业生就业的冲击与调适:基于多维度的剖析与展望.docx
- 小型软件团队敏捷风险管理:策略、实践与优化路径.docx
- 锦红片在ERCP术后高淀粉酶血症及胰腺炎预防中的临床价值探究.docx
- 法治视角下我国湿地保护的困境与突破.docx
- 从法律基石到多元实践:非物质文化遗产进校园的深度剖析与展望.docx
- 行政决策责任追究制度的法治化进路.docx
- 基于ORACLE的校园一卡通消费系统设计方案.docx
文档评论(0)