软计算-12遗传算法.pptVIP

第四章 遗传算法 第1节 生物的遗传与进化的原理 1、基本原理 GA将生物的遗传与进化的机制进行工程学上的模型化 生物的遗传与进化 一般地，生物如果能很好地适应环境，则生命的延续、增殖就变为可能 在增殖的进行中，必须将自己所具有的作为生物的设计信息以某种形式传递给子孙 这样的设计信息是写在遗传因子（基因）中的 低等生物，如单细胞生物，增殖是通过体细胞分裂进行的，遗传因子被复制给子孙 低等生物后天可获得的东西极其少，故子孙在原理上具有完全相同的性质 其结果，即使经过许多代，也基本不变 高等的生物，增殖是通过有性生殖进行的，父方和母方的遗传因子混合在一起 因此，不能生成完全相同的个体，多少有些不同。世上没有与自己完全相同的人 高等生物，具有进行个体机能综合控制的脑神经系统、内分泌系统、消化系统及免疫系统等优秀的控制机构 特别是脑神经系统，通过后天的经验、学习而不断发达 能够接受经验、学习的机构从诞生时就已具备 即高等生物，具有由先天的遗传因子的信息传递、及后天的经验、学习、适应等的2个要素形成 因此，即使是同类，各自也有微妙的差异，生成更优秀的个体的可能性就很高 不论高等生物还是低等生物，在进行遗传因子的复制时，有时会发生微妙的错误，引起突然变异，导致了生物的多样性 综上所述，遗传与进化的基本原理： 首先，由父辈通过遗传因子，进行作为生物的信息传递 各个体中更优秀的，即对环境的适应度高的个体的遗传信息优先向下一代传递 同时，适应度低的种族会被自然淘汰 基于这样的原理世代相传，结果，对环境适应度高的个体渐渐变多 2、实际的遗传因子 生物由细胞构成，细胞中有细胞核，核中有染色体（chromosome），人的体细胞有46条染色体 染色体主要由DNA构成 DNA以4种称作碱基的化学物质为主要的构成要素 DNA所具有的信息，在于这4种碱基的排列方式 DNA成双重螺旋状，通过复杂地重叠，构成染色体 遗传因子（gene、基因）是承担遗传信息的DNA 特定的遗传因子存在于染色体的特定的位置，其场所称作该遗传因子的座位或遗传因子座（locus） 遗传信息是通过在染色体上的位置（遗传因子座）与该处的碱基的排列而表现的。 在一个染色体座上的遗传因子的组合称作遗传因子型（genotype） 某种形质由某种遗传因子基本上决定时，将该形质称为遗传因子的表现型（phenotype） GA将染色体简化为1维，即将符号与数值在1维上并列，将其作为染色体处理，并将在1维上的位置作为遗传因子座处理 遗传算法的基本概念和术语 3、遗传算法的产生和发展 1962年，由美国密执安大学Holland教授提出 1975年，Holland教授发表专著：“自然和人工系统的适配”，标志着遗传算法的创立 第2节 遗传算法流程 一、GA的基本操作 GA的结构 GA的基本操作：选择、交叉、突然变异 1）选择（Selection）：根据在集团中的适应度的分布，决定在下一步进行交叉的个体的生存分布 因为是基于适应度的分布，所以适应度越高的个体，越容易留下更多的子孙 2）交叉（Crossover）：在2个染色体间，交换遗传因子的组合，使新个体产生 3）突然变异（Mutation）：强制地改变遗传因子的某部分的值 选择操作体现了优胜劣汰的竞争和进化思想，而优秀的个体是靠交叉和突然变异的操作而获得的，交叉、突然变异其目的都是为了产生优秀的个体 实际上，突然变异是为了更好地交叉，从这个意义上说，交叉、突然变异实质上都是交叉 可以说，交叉的思想是遗传算法的核心 二、流程 1）遗传因子型的决定 GA中的遗传因子的要素不是DNA，而是记号序列 从而，首先必须将对象的问题用遗传因子的形式表现 即从“对象的问题”变换成“记号序列”，又称为编码 但尚无一般方法，与设计者的能力相关 2）初期遗传因子集团的决定 GA的一大特征是通过许多个体的相互处理 首先，利用在第1）步所决定的遗传因子型，产生要素不同的各种各样的个体 个体的数目，取决于问题的难易度、性质等，一般在几十个以上 太少，就不能发挥以并列的处理为特征的GA的好处 过多，每一代的计算量增大，产生浪费 3）各个体的适应度的评价 进入GA的核心 在GA中，适应度是非常重要的概念 这里，各个体的适应度，用事先定好的方法计算 在集团中，检查是否有满足事先定好的基准的个体，若有，结束；若无，进入下一步 4）选择 基于在3）中求出的适应度，决定在下一步进行交叉的个体的生存分布 可认为本步是淘汰与增殖的一步 5）交叉 在两个染色体间组合交换遗传因子，产生新个体 6）突然变异 强制地改变遗传因子的某部分的值，扩大作为遗传因子集团的多样性 这样，可期待具有更好的解的个体的产生 突然变异的比例若太大，往坏的方向变异的概率也变大，就难以求到解 7）反复 回到3），评价各个