机器学习——遗传算法.ppt

* * * * * * * * * * * * * * * * * * * * * * 适应度函数的选择 a) 适应度函数值必须非负。根据情况做适当的处理 求解标准TSP的遗传算法 标准TSP问题: 求连接n个城市的最短回路. 例如，在20个顶点的TSP问题中，一共有20! （大约是2.433e+18）个可行解。利用穷举法在这些可行解中找出最短的Hamilton 回路，在处理速度为1000M的计算机上要不停地计算9个月 求解标准TSP的遗传算法 常规GA求解标准TSP的基本框架: 一、城市编码。 通常采用整数编码，即把城市编号随机地存放在长度为 的字符串中。 1 2 3 4 5 6 7 求解标准TSP的遗传算法 常规GA求解标准TSP的基本框架: 二、适应度函数设计。 在TSP中适应度函数通常取为闭合回路长度的倒数。设目标函数为 则适应度函数为 求解标准TSP的遗传算法 常规GA求解标准TSP的基本框架: 三、遗传操作设计。 A. (两点)交叉操作 PA：2 1 3 5 7 6 4 PB：5 1 6 3 2 4 7 PA：2 1 | 3 5 7 | 6 4 PB：5 1 | 6 3 2 | 4 7 OA：7 1 6 3 2 5 4 OB：6 1 3 5 7 4 2 求解标准TSP的遗传算法 常规GA求解标准TSP的基本框架: 三、遗传操作设计。 A. (两点)变异操作 S ： 2 1 3 8 5 7 6 4 如果在预先设定的变异概率下发生变异操作，则首先随机选定两个变异基因位（假设选定的变异基因位是2和7），互换这两个基因位上的基因，从而得到如下的新个体： S’ ：2 6 3 8 5 7 1 4 求解标准TSP的遗传算法 常规GA求解标准TSP的基本框架: 三、逆转操作。逆转操作是为了增加GA的收敛速度而设计的遗传操作。例如，对于如下个体： S：2 1 3 5 7 6 4 首先按照一定的规则确定逆转区间，假定逆转区间为从第3到第5位之间的基因片段，若 则进行逆转操作，以新个体 S’：2 1 7 5 3 6 4 求解标准TSP的遗传算法 图6.3 n=160时最佳路线图 图6.4 n=200时最佳路线图 * 求解广义TSP的遗传算法 广义TSP问题 :把给定的n个城市分成m 个组，旅行商要选择一条访问每个组中一个（或至少一个）城市的最短旅行回路 应用领域: 覆盖遍历问题、物流系统设计问题、邮箱收集问题以及随机车辆路由问题等 * 广义染色体 广义染色体的模式 广义染色体的一个例子 求解广义TSP的遗传算法 Wu C.G., Liang Y.C., Lee H.P. and Lu C. A generalized chromosome genetic algorithm for generalized traveling salesman problems and its applications for machining. Physical Review E, 2004, (70): 016701-1-13. 与上图广义染色体对应的回路 * 求解广义TSP的遗传算法 初始化群体使用初始化算子产生初始的种群，记种群大小为 Sp。 创建繁衍种群按照“适者生存”的原则在父代群体中选择健壮的个体，并放入临时种群-繁衍种群，直到繁衍种群的规模至 Sp 。 交叉过程随机在繁衍群体中选择一对个体，并产生[0，1]之间的随机数 。如果 小于交叉概率pc ，则对选出的一对父代个体施加交叉算子，以产生新的子代个体；否则，直接把选出的一对父代个体作为子代个体。 * 求解广义TSP的遗传算法 变异过程产生[0，1]之间的随机数 。如果 小于变异概率pm，则施加变异算子于子代个体；否则，不产生变异。 逆转过程施加逆转算子于子代个体，以提高子代个体的适应度。 记当前子代群体规模为S’p。如果S’p小于Sp ，转步骤C；否则，以子代群体取代原父代群体。 记当前进化的代数为k ，若k小于最大进化代数K，转步骤B；否则，输出进化结果，终止。 是 否 否 是 终止 输出进化结果 初始群体 创建繁衍种群 交叉过程 变异过程 逆转过程 * 广义染色体遗传算法流程图 * 否 终止 检查H,B 中 元素的条件 是 由h,b产生x ∈D, x=h⊕b 把x放到群体P中 P的规模是否为N? 随机产