中国矿业大学级硕士研究生选题报告.ppt

1） 根据问题要求，确定每个设计变量 的变化范围，从而得到一个包含最优解的m维超立方体（不一定是整个可行域）。从该超立方体中随机产生一定数目的可行个体，然后挑选出最好的个体加到初始种群中。这个过程不断迭代，直到初始种群中个数达到了预先确定的规模，即得到了M个可行的初始染色体 Z1,Z2,…Zm。 2） 首先求出可行域的一个点，即一个可行个体，记为 Z0。然后确定一个足够大的数G，以使遗传操作能遍及整个可行域。该大数G还将在变异操作中得到应用。接着，再产生M个初始染色体：在m维实空间Rm 中，随机选择一个方向H，并检验Z0+GH的可行性，若可行，即在可行域内，将Z0+GH作为一个染色体；否则，将取G为[0,G]区间内的一个随机数，直到Z0+GH可行为止。重复以上过程M次，便可产生M个初始染色体Z1,Z2,…Zm 。 2.2.3 适应度函数 遗传算法中使用适应度这个概念来度量群体中各个体在优化计算中可能达到或接近于或有助于找到最优解的优良程度。适应度较高的个体遗传到下一代的概率比较大；而适应度较低的个体遗传到下一代的概率就相对小一些。度量个体适应度的函数称为适应度函数。 对于函数优化问题，必须将优化问题的目标函数f(x)与个体的适应度函数F(x)建立一定的映射关系，且遵循