遗传算法及其在路径规划中的应用.pptVIP

不能象传统遗传算法那样随机进行一点、两点或多点交叉操作，因为这样很容易产生断路或环路。 这里只允许使用在重复节点位置交叉且只进行一点交叉的操作方式，具体实现步骤如下： （5）交叉操作 （4）复制（选择）操作 采用赌轮法进行复制操作。 ①随机选取两个个体作为待交叉个体； ②找出两个待交叉个体的共同节点（起点和终点除外）的集合； ③从共同节点的集合中随机选择一个节点作为交叉节点； ④检查两个待交叉个体在交叉节点之前或之后的内容是否相同。如相同，则取消本次交叉操作；否则，两者交换交叉点之前（或之后）的内容形成两个新个体。 下面将结合仿真地图举例说明交叉操作是如何实现的。 ①设选取的两个待交叉样本为A、B、E、I、L、O、P和A、C、E、H、L、N、P； ②两者重复节点的集合为{E、L}； ③随机选择E作为交叉节点； ④检查发现两者待交叉样本在E点之前和之后的内容均不相同，因此可以进行此次交叉操作，交叉后的新个体为： A、B、E、 H、L、N、P A、C、E、 I、L、O、P 和 图8 交叉操作示意图 P L O C B H I A E N （6）变异操作 不能采用传统遗传算法中随机选择变异点的做法，因为这样同样容易产生断路或环路。 这里采用的变异操作，其基本步骤如下： ①随机选取一个个体作为待变异个体； ②在待变异个体中随机选择一个节点（起点和终点除外）作为待变异节点； ③找到和该待变异节点直接相连的节点集合（该集合中不包括起点、终点以及待变异个体中的节点）； ④从节点集合中随机选取一个节点作为变异后节点； ⑤检查待变异节点之前和之后的节点是否与变异后节点直接相连。若直接相连，则用变异后节点替代待变异节点完成变异过程；否则，放弃此次操作，回到第④步，直至将节点集合中的所有节点全部选遍。 现结合仿真地图举例说明变异操作的具体实现方法。 ①选择待变异个体为A、C、E、I、L、O、P； ⑤经过检查发现C和B不直接相连，所以取消此次变异操作；接着选取F作为变异后节点，检查发现C和F、F和I直接相连，故可进行此次变异操作，变异后的新个体为 ②随机选取E作为待变异节点； ③与E直接相连的节点集合为{B、F、H}； ④随机选取B作为变异后节点； A、C、F、I、L、O、P P L O F C B H I A E 图9 变异操作示意图 （7）删除操作 删除操作的具体步骤如下： ①随机选择一个个体； ②检查该个体中任意两个不相邻节点（包括起点和终点）之间是否直接相连。如果直接相连，则删除两个节点之间的所有节点，结束此次删除操作；否则，取消本次删除操作。 下面也结合仿真地图举例说明删除操作的具体实现方法。 ①设随机选择的个体为A、C、E、F、I、L、O、P； ②检查发现E、I直接相连，则删除两者之间的节点F，从而得到新个体 A、C、E、I、L、O、P P L O F C I A E 图10 删除操作示意图 （8）仿真结果 ①初始种群 33.5 A、B、D、H、E、I、F、J、M、O、P 10 21.3 A、C、F、I、M、O、P 9 19.2 A、B、E、I、L、N、P 8 20.6 A、B、E、I、L、O、P 7 21.5 A、C、E、H、K、N、P 6 30.6 A、C、F、J、M、I、E、H、L、N、P 5 21.3 A、C、F、I、L、O、P 4 19.9 A、C、E、I、L、N、P 3 21.9 A、B、D、H、L、O、P 2 22.0 A、B、D、G、K、N、P 1 距离 个体 标号 表6 初始种群及其距离 ②基于距离最短原则的优化结果 19.9 A、C、F、I、L、N、P 10 20.8 A、C、E、H、L、O、P 9 19.9 A、B、E、I、L、N、P 8 18.7 A、B、E、H、L、N、P 7 19.4 A、C、E、H、L、N、P 6 18.3 A、C、F、J、M、O、P 5 20.5 A、B、D、H、L、N、P 4 20.6 A、B、E、I、M、O、P 3 20.1 A、B、E、H、L、O、P 2 20.8 A、B、E、H、K、N、P 1 距离 个体 标号 表7 基于距离最短原则的优化结果 ③基于时间最短原则的优化结果 23.81 A、B、E、I、L、O、P 10 26.74 A、B、D、H、L、O、P 9 33.37 A、B、