演化计算及其应用.ppt

演化计算及其应用 第二讲 算法搜索能力的改进 对算法搜索能力的改进 个体的适应值和选择方式 个体的编码方式，相关的杂交变异算子及其参数设置 种群的初始化方法和算法停止条件 种群规模的最优选取和自适应选取 新算子 遗传算法最主要的步骤 编码 初始化 适应值评价及转换 选择 杂交、变异以及其他算子 算法停止条件 适应值评价及转换 遗传算法求解的标准问题是适应值为正的最大化问题 如何确定适应值？ 如果待优化问题是最小化问题怎么办？ 如果待优化问题适应值有负的数值怎么办？ 如果适应值差距较小怎么办？ 如何确定适应值(*) 大多数运筹（优化）问题都有明确的目标函数，可以将其作为适应值函数。 对于求方程根的问题，可以通过某种转换，将其转换为多峰优化问题。 对于多目标优化问题，或转换为单目标、或采用遗传算法自己的处理方法。 对于目标函数不明确的决策问题，至少要知道各种决策产生的效果哪个比哪个好。 至于好多少，不一定必须知道。 对于目标函数值计算比较费时的优化问题，如果能够找到不计算目标函数就可以比较个体目标函数值大小的方法，则可以大大简化遗传算法的优化速度。（结合基于适应值排序的选择方法） 求方程根的问题转换为优化问题 如果待优化问题是最小化问题怎么办？ (*) 如果待优化问题适应值有负的数值怎么办？ (*) 如果待优化问题是最小化问题且适应值有负的数值怎么办？ 如果适应值差距较小怎么办？