2016数学建模专题之遗传算法25页.ppt

变异后子代个体： 5 6 7 | 8 4 1 2 | 3 9 0 4 遗传算法求解巡回旅行商问题 变异操作中，若变异后子代的适应度值更加优异，则保留子代染色体，否则仍保留父代染色体。本例中，采用倒置变异法。例如：假设当前个体为“5678412390”，如果当前随机值p∈[0，1]≥pmutation，则随机选择来自同一个体的两个点（设为“8”和“2” ），执行变异操作，即倒置该两点的中间部分。产生的新个体为“5672148390”。 （5）变异操作 （6）群体初始化 2 变异前父代个体： 5 6 7 | | 3 9 0 1 4 8 pop=zeros(s,t); for i=1:s pop(i,1:t-1)=randperm(t-1); end 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 990.0829 路径长度： 迁移代数： 50 4遗传算法求解巡回旅行商问题 4.3 计算仿真结果 701.7754 路径长度： 迁移代数： 100 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 624.1821 路径长度： 迁移代数： 150 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 523.2674 路径长度： 迁移代数： 200 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 491.4063 路径长度： 迁移代数： 250 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 453.1959 路径长度： 迁移代数： 300 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 430.3986 路径长度： 迁移代数： 350 4.3 计算仿真结果 424.8693 路径长度： 迁移代数： 400 Best 4 遗传算法求解巡回旅行商问题 距离为426.64Km的访问次序 距离为424.78Km的访问次序（最优） 距离为431.94Km的访问次序 4 遗传算法求解巡回旅行商问题 距离为424.78Km的访问次序（最优） 距离为466.30Km的访问次序 距离为454.75Km的访问次序 4 遗传算法求解巡回旅行商问题 2 标准遗传算法 程序流程图 开始 Gen=0 编码 随机产生M个初始个体 满足终止条件? 计算群体中各个体适应度 从左至右依次执行遗传算子 j = 0 j = 0 j = 0 根据适应度选择复制个体 选择两个交叉个体 选择个体变异点 执行变异 执行交叉 执行复制 将复制的个体添入新群体中 将交叉后的两个新个体添入新群体中 将变异后的个体添入新群体中 j = j+1 j = j+2 j = j+1 j = M? j = pc·M? j = pm·L·M? Gen=Gen+1 输出结果 终止 Y N Y Y Y N N N pc pm 　　例1 利用遗传算法求解区间［0,31］上的二次函数y=x2的最大值，精度要求达到个位。　　 y=x2 31 X Y 3、遗传算法简单举例：函数极值 分析 原问题可转化为在区间［0, 31］中搜索能使y取最大值的点a的问题。那么，［0, 31］ 中的点x就是个体, 函数值f(x)恰好就可以作为x的适应度，区间［0, 31］就是一个(解)空间 。这样, 只要能给出个体x的适当染色体编码, 该问题就可以用遗传算法来解决。 3、遗传算法简单举例：函数极值 　　(1) 设定种群规模,编码染色体，产生初始种群。 将种群规模设定为4；用5位二进制数编码染色体；取下列个体组成初始种群S1: s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) (2) 定义适应度函数, 取适应度函数：f (x)=x2 3、遗传算法简单举例：函数极值 (3) 计算各代种群中的各个体的适应度, 并对其染色体进行遗传操作,直到适应度最高的个体(即31（11111）)出现为止。 　　 首先计算种群S1中各个体 s1= 13(01101), s2= 24(11000) s3= 8(01000), s4= 19(10011) 的适应度f (si) 。 容易求得： f (s1) = f(13) = 132 = 169 f (s2) = f(24)