2.6 遗传操作算子的分析与设计.pptVIP

2.6 遗传操作算子的分析与设计 一．群体的分析与设计 二．选择算子的性质与分析 三．交叉算子的性质与分析 四．变异算子的性质与分析 五．微观遗传策略中的参数设置 2.6.1 群体的分析与设计 群体是GA进化过程的基础，从某种程度上来讲，群体的性质变化决定了GA的搜索能力，GA的收敛性取决于群体的收敛性。 2.6.2 选择算子的性质分析 选择操作是遗传算法中环境对个体适应性的评价方式，也是实现群体优良基因传播的基本方式。 2.6.3 交叉算子的性质分析 2.6.4 变异算子的性质分析 2.6.5 微观遗传策略中的参数设置 设变异算子的取值区间为 ， 起始概率 ，令 ， ， 则 设群体进化总代数为T，第t代群体的最佳个体的适应值为 给定 ，则 （1）当 ，且 时， 。 （2）当 时， ； （3）当 时， ； 实验分析结果表明：一般取 。 一般来说，适应性变异算子可以将GA的性能提高到2倍（与群体规模、自适应变异概率等参数有关）。 应用例： 将变异概率的取值与当前群体的最佳个体的适应值的变化结合起来，以实现适应性变异算子的设计： 微观遗传策略中一般有六个参数： （1）群体规模（n）： 群体规模直接影响着GA的计算效率和进化过程所获得的解的质量。 群体规模太小，难以提供充分的模式采样机会，往往导致出现早熟现象。 群体规模太大，GA计算量（个体适应值计算次数）将迅速上升,导致计算效率下降。 Grefenstette，测试函数：群体规模取值范围，设为n=（10，20，30，…，160），相邻规模大小增量为10，共有16个值。 （3）变异概率（Pm）： 变异概率影响着群体的多样性，在每一代群体中平均有n× pm次变异操作。 变异概率太小往往使得群体中缺乏的等位基因难以恢复，太大则使变异操作成为随机行为。 变异概率的取值范围设定为 ，x=(0，0.1，0.2，…，0.7)，共有8个值。 （2）交叉概率（pc）： 交叉概率决定了交叉算子的使用频率，在每一代群体中平均有n× pc次个体参与交叉操作。 pc的大小影响着模式的生存概率和重组概率，其取值范围设定为 pc =（0.25，0.30，0.35，…，1.0），相邻数值增量为0.05，共有16个值。 （5）适应值标度变换方式（W为进化代数）： 基本方式为 当 W＝0时， 为初始群体中的最小个体适应值。 若第t代群体中的个体适应值 ，该类个体不参与选择（直接淘汰）。 当 0＜W＜7时， 为最近 W代群体中的最小个体适应值； 当 W=7时， ＝0，表示不进行适应值标度变换。 （4）代沟（G）： 代沟用于控制新一代群体中新个体的比例，即包含n×G新个体，或者n×（1一 G）个体为上一代群体中的个体（旧个体）。 代沟取值范围设定为G =（0.30，0.40，0.50，…，1.0），相邻数值增量为0.1，共有8个值。 （6）选择策略（S）： S＝P表示采用SGA的标准（纯）选择策略（pure Selection）。 S＝E表示采用 e－GA的精英个体选择策略。 特定参数设置的GA表示为GA（n，Pc，Pm，G，W，S），De Jong给出了一组经验数据 GAs=GA（50，0.6，0.001，1.0，7，E），这里称之为标准GA参数设置，一般可以获得良好的GA性能。 通过实验函数得出的几点结论： 当群体规模比较小（20－40）时，要获得良好的在线性能，通常需要较大的交叉率和较小的变异率，或者较小的交叉率和较大的变异率。 当群体规模适中（40－90）时，适宜的交叉率与群体大小成反比，即较小的群体规模需要较大的交叉概率，以利于克服群体早熟现象。 变异率≥ 0.05将不利于在线性能的提高，变异率≥ 0.1将使GA退化为随机搜索行为。 * * 群体研究的主要内容： 初始群体的大小设定、群体初始化生成、运行过程中群体规模的控制、多样