遗传算法的改进的.pptVIP

遗传算法的改进;遗传算法的改进;分层遗传算法;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;CHC算法;2、交叉 CHC算法使用的重组操作是对均匀交叉的一种改进。 当两个父个体位置相异的位数为m时，从中 随机选取m/2个位置，实行父个体位置的互换。显然，这样的操作对模式具有很强的破坏性。因此，确定一阀值，当个体间的海明距离低于该阀值，不进行交叉操作。并且，随着种群的进化，逐渐减小该阀值。 3、变异 CHC算法在进化前期不采取变异操作，当种群进化到一定的收敛时期，从优秀个体中选择一部分个体进行初始化。初始化的方法是选择一定比例的位置，随机决定他们的值。这个比例值称为扩散率，一般取0.35。;自适应遗传算法;算法思想: 对于适应度高与群体平均适应值的个体，相对应于较低的Pc和 Pm，使该解得以保护进入下一代；而低于平均适应值的个体，相对应于较高的Pc和 Pm，使该解被淘汰。 ;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;从上式可以看出，当适应度度值越接近最大适应度值时，交叉率和变异率就越小，当等于最大适应度值时，交叉率和变异率为零，这种调整方法对于群体处于进化后期比较合适，但对于进化初期不利，因为进化初期群体中的较优个体几乎不发生变化，容易使进化走向局部最优解的可能性增大。为此，可以作进一步的改进，使群体中最大适应度值的个体的交叉率和变异率分别为 和 。为了保证每一代的最优个体不被破坏，采用精英选择策略，使他们直接复制到下一代中。;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;基于小生境技术的遗传算法; 基于预选择机制的选择策略：当新产生的子代个体的适应度超过其父代个体的适应度时，所产生的子代个体才能代替其父代个体而遗传到下一代群体中，否则父代个体仍保留在下一代群体中。由于子代个体和父代个体之间编码结构的相似性，所以替换掉的只是一些编码结构相似的个体，能够有效地维持群体的多样性，并造就小生境的进化环境。 基于排挤机制的选择策略：思想起源于在一个有限的生存空间中，各种不同的生物为了能够延续生存，必须相互竞争各种有限资源。因此，在算法中设置一个排挤因子CF（CF=2或3），由群体中随机地选取N/CF个个体组成排挤成员，然后依据新产生的个体与排挤成员之间的相似性来排挤一些相似个体，随着排挤过程的进行，群体中的个体逐渐被分类，从而形成一个个小的生成环境，并维持了群体的多样性。 共享法的选择策略：通过个体之间的相似程度的共享函数来调整群体中各个个体的适应度，适应度共享函数的直接目的是将搜索空间的多个不同峰值在地理上区分开来，每一个峰值处接受一定比例数目的个体。;混合遗传算法;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;背包问题 (knapsack problem);Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011