第二章__遗传算法的基本原理.pptVIP

第二章 遗传算法的基本原理 2.1 遗传算法的基本描述 2.2 遗传算法的模式理论 2.3 遗传算法与其他搜索算法的比较 2.1 遗传算法的基本描述 2.1.1 全局优化问题 全局优化问题的定义：给定非空集合S作为搜索空间，f：S—R为目标函数，全局优化问题作为任务 给出，即在搜索空间中找到至少一个使目标函数最大化的点。 全局最大值（点）的定义：函数值 称为一个全局最大值，当且仅当 成立时， 被称为一个全局最大值点（全局最大解）。 局部极大值与局部极大值点（解）的定义：假设在S上给定了某个距离度量 ，如果对 ， ，使得对 ， 则称x’为一个局部极大值点，f(x’)为一个局部极大值。当目标函数有多个局部极大点时，被称为多峰或多模态函数（multi-modality function）。 2.1 遗传算法的基本描述 1．二进制编码 1）连续实函数的二进制编码 设一维连续实函数 采用长度维L的二进制字符串进行定长编码，建立位串空间： k=1,2,…,K; l=1,2,…,L; K=2L 表示精度为 。 将个体又从位串空间转换到问题空间的译码函数 的公式定义为： 2.2 遗传算法的模式理论 2．2．1 模式与模式空间 位串上的某些等位基因的联结与适应值函数之间存在着某种联系，这种联系提供了寻优过程的指导信息，引导着群体在位串空间中的移动方向。 采用字符集K={0，1}对问题参数进行二进制编码，位串空间表示为SL＝{1,0}L，该空间的基数为|SL|＝2L。扩展字符集K’＝{0,1,*}，其中*是通配符或无关符（wild cards，or“don’t cares”），即可和0或 1匹配。扩展位串空间表示为SeL＝{1,0,*}L，该空间的基数为 则称SeL为SL的模式空间。显然，包含2L个位串的位串空间，对应于3L个模式位串的模式空间。 2.1.6 遗传算子 四、逆转（Inversion Operator）算子 逆转操作首先在个体位串上随机地选择两个点，位串染色体被这两个点分成三段，将中间段的左右顺序倒转过来与另两段相连，形成新的个体位串。 比如：长度为10的二进制位串，其中下划线标示的等位基因为重要基因： 10^111011^01（^是倒位位置） 经倒位后变为1011011101。新的位串中重要基因更为靠近，被单点交叉算子分离的可能性大大降低了。 2.1.6 遗传算子 四、逆转（Inversion Operator）算子 逆转算子有时要求采用类似于乱序编码的带基因位标号的染色体结构。比如，长度为10的位串： 位串： 1 0 | 1 1 1 0 1 1 | 0 1 基因位编号： 1 2 | 3 4 5 6 7 8 | 9 10 按照上述方法实施逆转操作后，编号也随之翻转： 位串： 1 0 1 1 0 1 1 1 0 1 基因位编号： 1 2 8 7 6 5 4 3 9 10 这样倒位操作就不会影响个体位串的适应值计算。 2.1.6 遗传算子 四、逆转（Inversion Operator）算子 但是，逆转算子对交叉算子有一定影响。考虑下列A，B位串之间的单点交叉： 位串A： 1 0 1 1 | 1 0 1 1 0 1 基因位编号： 1 2 3 4 | 5 6 7 8 9 10 位串B： 1 0 1 1 | 0 1 1 1 0 1 基因位编号： 1 2 8 7 | 6 5 4 3 9 10 若简单地将第4个基因位以右的部分位串进行交换，得到： 位串A’： 1 0 1 1 | 0 1 1 1 0 1 基因位编号： 1 2 3 4 | 6 5 4 3 9 10 位串B’： 1 0 1 1 | 1 0 1 1 0 1 基因位编号： 1 2 8 7 | 5 6 7 8 9 10 2.1.6 遗传算子 四、逆转（Inversion Operator）算子 为解决此问题，一般遵循五种交换规则： 1）严格同序交换，只允许同序位串才能交换。 2）生存性交换，允许不同序位串进行交换，如果子代码串不包含完整的遗传信息，则不把它们放入新一代群体中。 3）任选方案交换，随意选择两个位串，并将其中任何一个指定为主序位串，另一个位串则按主序位串的次序映射，然后再进行通常的交换，这样保证了交换结果的合法性。 4）最佳方案交换，与任选方案交换基本相同，只是将两个位串中适应值高的位串作为主序位串。 5）结构修复，对于两个子代位串中重复或短缺的基因，随机将重复的基因改变为缺省的基因，形成完整的