人工智能 chapter6(精品·公开课件).pptVIP

人工智能及其应用 * 6.2.6 变异算子 基本变异算子 对二值编码，随机选择c个基因位作为待变异位置，然后根据设定的变异概率pm 对这些基因位的值进行取反操作，即1变为0，0变为1。 逆转变异算子 随机挑选两个逆转点，然后将两个逆转点之间的基因值按变异概率逆向排列。 人工智能及其应用 * 6.2.6 变异算子 自适应变异算子 变异概率不固定，它随群体中个体的多样性自适应调整。群体多样性越大，变异概率越小；多样性越差，变异概率越大。 如：可根据交叉所得的两个新个体的Hamming距进行变异概率的调整，Hamming距越小，变异概率越大；Hamming距越大，变异概率越小。 遗传算法是一个反复迭代的过程，每次选代期间，要执行适应度计算、复制、交叉、变异等操作，直至满足终止条件。 使遗传算法终止的方法有三种： (1) 规定最大选代次数T。一旦遗传算法的迭代次数达到T，则停止操作，输出结果。通常T取200一500次。 由于遗传算法中有许多随机因素影响，最后一代的结果不一定含有最优个体。 为此，要经常记录每代的最优个体以便查询比较。 6.2.7 终止 (2) 规定最小的偏差?。对于适应度目标已知的遗传算法，如用方差作为适应度计 算的曲线拟合问题，可用最小的偏差?制定终止条件，即： | fmax –