遗传算一法基础.pptVIP

遗传算法基础 讲解人：蔡亮 遗传算法的产生 遗传算法的发展 遗传算法的生物学基础  生物进化理论与遗传学 达尔文的进化论 达尔文（1858）的自然选择学说包括： 1遗传 2变异 3生存斗争和适者生存 遗传学 1866孟德尔提出的分离律和自由组合律，奠定了现代遗传学的基础 摩尔根进一步确立了染色体的遗传学说，认为遗传性状是由基因决定 遗传算法的生物学基础 遗传学的基本结论 遗传算法的生物学基础  生物进化理论与遗传学 现代综合进化论 遗传算法的生物学基础  生物进化理论与遗传学 非达尔文式进化理论 1.分子进化中性理论 2.跳跃进化理论 3.间断平衡进化理论 非渐变进化理论的核心基础仍然是自然选择 遗传算法的生物进化模型 遗传算法的基本术语 编码：从问题域到遗传域的映射。即性状与基因的DNA序列的映射 解码：从遗传域到问题域的映射。即将DNA序列解释成个体的性状 适应度：种群的某个个体对生存环境的适应程度。适应度高的个体可以获得更多的繁殖机会，而适应度低的个体，其繁殖机会就会比较少，甚至逐渐灭绝 选择：以一定概率从种群中选择若干个体的操作。一般而言，选择就是基于适应度的优胜劣汰的过程 交叉：有性生殖生物在繁殖下一时两个同源染色体之间通过交叉而重组，即在两个染色体的相同位置处DNA被切断，前后两串分别交叉组合形成新的染色体 遗传算法的基本思想 遗传算法的流程图 遗传算法基本要素与实现技术 编码与解码 编码与解码 二进制编码 二进制编码是遗传算法中最常用、最原始的一种编码方法，它将原问题的解空间映射到二进制空间上，然后进行遗传操作。找到最优个体后再通过解码过程还原原始的数据形式进行适应度评价 二进制编码的串长度 取决于求解的精度 编码与解码 浮点编码 个体的基因值用某一范围内决策变量的一个浮点数来表示，个体的编码长度等于其决策变量的个数。 浮点编码使用的是决策变量的真实值 编码与解码 符号编码 个体基因值取自一个无数值含意，而只有代码含义的符号集。符号集可以是字母，也可以是数字序号。 遗传算法基本要素与实现技术 最小与最大的转化 个体适应度评价 为正确计算个体的遗传概率，个体的适应度必须为正数或者为零，不能为负数 个体适应度评价 遗传算法基本要素与实现技术 选择算子 适应度较高的个体被遗传到下一代群体中的概率较大，适应度较低的个体被遗传到下一代群体中的概率较小。 选择方法 比例选择法（轮盘赌） 锦标赛选择法 比例选择法（轮盘赌） 基本思想 各个个体被选中的概率与其适应度大小成正比。 比例选择法（轮盘赌） 具体步骤 1）计算各基因适应度值和选择概率 2）累计所有基因选择概率值，记录中间累 加值S - mid 和最后累加值 sum = ∑ 3）产生一个随机数 N，0〈 N 〈 1 4）选择对应中间累加值S - mid 的基因进入交换集 5）重复（3）和（4），直到获得足够的基因。 比例选择法（轮盘赌） 举例 锦标赛选择法 基本思想 每次随机选取n个个体，比较之后选择其中适应度最高的个体做为下一代种群的父本 遗传算法基本要素与实现技术 交叉算子 选择是对优秀个体的复制，不能产生新个体，交叉对相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体。交叉操作是产生新个体的主要方法 主要问题 如何对染色体进行配对 如果确定交叉点的位置 如何进行部分基因交换 随机配对 将选择出的种群中的M个个体以随即的方式组成M/2对配对个体组，交叉操作就是在这些配对个体组中的两个个体之间进行 二进制编码染色体的交叉 单点交叉 基因位数为 ，交叉点k的范围为[1, -1],在该点为分界相互交换变量 二进制编码染色体的交叉 多点交叉 二进制编码染色体的交叉 均匀交叉 两个配对个体的染色体每个基因位以相同的交叉概率进行交换 具体步骤 随机产生一个与个体编码串长度等长的屏蔽字W＝ 按下列规则交叉两个父本的基因 均匀交叉 例如 浮点编码染色体的交叉 线性交叉 浮点编码染色体的交叉 中间交叉 遗传算法基本要素与实现技术 变异算子 将个体染色体编码串中的某些基因位编码字符集的其它字符替换 二进制编码染色体的变异 编码字符集为{0,1},变异操作就是将变异点上的基因取反 变异点是按概率Pm在染色体基因位上指定的 二进制编码染色体的变异 具体步骤 随机产生一个与个体编码串长度等长的屏蔽字W＝ 为[0,1]间的随机数 按下列规则对基因进行变异 浮点编码染色体的变异 浮点编码变异 遗传算法的数学基础