遗传算法报告的.pptVIP

遗传算法及 其MATLAB实现;遗传的生物学基础;遗传算法的概念;遗传算法的实现步骤;遗传算法基本操作流程图;1.编码 遗传算法的编码有浮点编码和二进制编码两种。 二进制编码符合计算机处理信息的原理，能对染色体进行 遗传，编译和突变等操作。 设某一参数的取值范围为（L，U），长度为k，则它共有 种不同的编码。 00000000000000=0→L 00000000000001=1→ L+δ 00000000000010=2→L+2δ 00000000000011=3→L+3δ …… 11111111111111= -1→U ;2.解码 解码的目的是为了将不直观的二进制数据还原成十进制。 设二进制 ，则对应的解码公式为 例：设有参数x∈[2，3]，现用4位二进制数对x进行编码，可 得 条染色体： 0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111 任意数据代入译码公式，如x=0111 x=2+7* =2.4666667 ;3.个体适应度评估 遗传算法依照与适应度成正比的概率来确定各个个体复制到下一代群体 的机会。 个体适应度大的个体更容易遗传到下一代。通常，求目标函数最大值问题可以直接把目标函数作为检测个体适应度大小的函数。;4.复制运算复制运算把当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中。一般要求适应度较高的个体将有更多的机会遗传到下一代群体中。 若设种群众个体总数为N，个体i适应度为fi： ? 先计算出群体中所有个体的适应度的总和 ∑fk ( k=1.2,…,N ); ? 其次计算出每个个体的相对适应度的大小 fI/ ∑fK，它即为每个个体被遗传到下一代群体中的概率。 ? 每个概率值组成一个区域，全部概率值之和为1； ? 最后再产生一个0到1之间的随机数，依据该随机数出现在上述哪一个概率区域内来确定各个个体被选中的次数。 ;5．交配 对于选中用于繁殖下一代的个体，随机地选择两个个体的相同位置，按交配概率P。在选中的位置实行交换。这个过程反映了随机信息交换；目的在于产生新的基因组合，也即产生新的个体。交配时，可实行单点交配或多点交配。 例如有个体 S1=100101 S2=010111 选择它们的左边3位进行交配操作，则有 S1=010101 S2=100111 一般而言，交配概率P。取值为0.25—0.75。 ;6.突变 突变运算是使用基因位进行基因突变。假设突变几率Pm,即种群内所有基因都有Pm的概率进行突变，每个基因突变几率是均等的。因此将产生一系列随机数，然后将小于Pm的随机数选出，并将其对应的基因值翻转,即把1变为0，把0变为1。变异概率Pm与生物变异极小的情况一致，所以，Pm的取值较小，一般取0.01-0.2。 例如有个体S＝101011。对其的第1，4位置的基因进行变异，则有 S‘=001111 。单靠变异不能在求解中得到好处。但是，它能保证算法过程不会产生无法进化的单一群体。因为在所有的个体一样时，交叉是无法产生新的个体的，这时只能靠变异产生新的个体。也就是说，变异增加了全局优化的特质 ;遗传算法实例 ;;;二、遗传;说明：;3.突变 取变异概率pe=0.01，表示每100个体中有一个个体的一位发生变异。（暂不变异） 新的种群，其平均值和最大值都有很大提高。 均值：293 → 439 最大值：576 → 729 新种群中四个个体，有2个变好：25，25；2个变坏：12，16。;三、再遗传一代;选择后的交配池（下划线部分交叉）; 单纯用交叉而没有用变异，则遗传多少