ch3(遗传算法).ppt

变异算子 所谓变异运算，是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。遗传算法中的变异运算是产生新个体的辅助方法，它决定了遗传算法的局部搜索能力，同时保持种群的多样性。交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。 SGA中变异算子采用基本位变异算子。 基本位变异算子 基本位变异算子是指对个体编码串随机指定的某一位或某几位基因作变异运算。对于基本遗传算法中用二进制编码符号串所表示的个体，若需要进行变异操作的某一基因座上的原有基因值为0，则变异操作将其变为1；反之，若原有基因值为1，则变异操作将其变为0 。 基本位变异算子的执行过程 变异前： 000001110000000010000 变异后： 000001110001000010000 变异点 运行参数 （1）M ： 种群规模 （2）T ： 遗传运算的终止进化代数 （3）Pc ： 交叉概率 （4）Pm ： 变异概率 SGA的框图 产生初始群体 是否满足停止准则 是 输出结果并结束 计算个体适应度值 比例选择运算 单点交叉运算 基本位变异运算 否 产生新一代群体 算法示例 现详细介绍一下二进制编码的轮盘赌选择、单点交叉和基本位变异操作。 所示的是一组二进制基因码构成的个体组成的初始种群，个体的适应度评价值经计算由括号内的数值表示，适应度越大代表这个个体越好。 0001100000 (8) 0101111001 (5) 0000000101 (2) 1001110100 (10) 1010101010 (7) 1110010110 (12) 1001011011 (5) 1100000001 (19) 1001110100 (10) 0001010011 (14) 轮盘赌选择方法类似于博彩游戏中的轮盘赌。个体适应度按比例转化为选中概率，将轮盘分成10个扇区，因为要进行10个选择，所以产生10个[0，1]之间的随机数，相当于转动10次轮盘，获得10次转盘停止时指针位置，指针停止在某一扇区，该扇区代表的个体即被选中。 个体 染色体 适应度 选择概率 累积概率 1 0001100000 8 0.086957 0.086957 2 0101111001 5 0.054348 0.141306 3 0000000101 2 0.021739 0.163043 4 1001110100 10 0.108696 0.271739 5 1010101010 7 0.076087 0.347826 6 1110010110 12 0.130435 0.478261 7 1001011011 5 0.054348 0.532609 8 1100000001 19 0.206552 0.739130 9 1001110100 10 0.108696 0.847826 10 00001010011 14 0.152174 1.000000 假设产生随机数序列为0.070221，0.545929，0.784567，0.44693，0.507893，0.291198，0.71634，0.270901，0.371435，0.854641，将该随机序列与计算获得的累积概率比较，则依次序号为1，8，9，6，7，5，8，4，6，10个体被选中。显然适应度高的个体被选中的概率大，而且可能被选中；而适应度低的个体则很有可能被淘汰。在第一次生存竞争考验中，序号为2的个体（0101111001）和3的个体（000000101）被淘汰，代之以适应度较高的个体8和6，这个过程被称之为再生(reproduction)。 单点交叉算子 任意挑选经过选择操作后种群中两个个体作为交叉对象，即