人工智能搜索技术.ppt

于是随机生成4个染色体的数字符串为： 01101 11000 01000 10011 从而构造了初始种群，完成了遗传算法的准备。 3.4 遗传算法 表 初始种群染色体及对应的适应值 3.4 遗传算法 染色体标号 串 x 适应值 f (x) = x2 占整体的百分数 1 01101 169 14.4 % 2 11000 576 49.2% 3 01000 64 5.5% 4 10011 361 30.9% 总计∑（初始种群值） 1170 100.0% （3）复制(选择): 选择适应值大的串作为母本，使在下一代中有更多的机会繁殖其子孙。 要在四个种子个体中做选择，要求仍然得到四个染色体，可依据适应度概率比例制定如下规则： 低于0.125以下的染色体被淘汰； 在0.125～0.375之间的染色体被复制一个； 在0.375～0.625之间的染色体被复制两个； 在0.625～0.875之间的染色体被复制三个； 在0.875以上的染色体可复制四个。 3.4 遗传算法 对应于上例，按照适应度的计算，经复制操作后，得到新的染色体种群为 01101 11000 11000 10011 3.4 遗传算法 某个染色体是否被复制,可以通过概率决策法、适应度比例法或“轮盘赌”的随机方法来断定。对应轮盘赌转盘的随机方法,根据表6.1数据，绘制出的轮盘赌转盘,如图所示: 进化计算——基本遗传算法原理 49.2﹪ 30.9% 14.4% 5.5% 01101 11000 11000 10011 3.4 遗传算法 初始种群 x 值 适应度 选择概率 期望值 实际复制数 编号 （随机产生） （无符号整数） f (x) = x2 Pc f(xi)/fA （或转轮法） 1 01101 13 169 0.144 0.58 1 2 11000 24 576 0.492 1.97 2 3 01000 8 64 0.055 0.22 0 4 10011 19 361 0.309 1.23 1 ∑ 1170 1.00 4.00 4.0 平均(A) 293 0.25 1.00 1.0