第四部分进化控制(2).ppt

（3）积木块假设 Holland和Goldberg在模式定理的基础上提出了“积木块假设”(Building Block Hypothesis): 低阶、长度较短、高于平均适应度的模式(积木块)在遗传算子的作用下，相互结合，能生成高阶、长度较长、适应度较高的模式，并得到全局最优解。 2、GA实现中的相关基本问题 （1）目标函数值到适应值形式的映射 适值是非负的，任何情况下总希望越大越好；而目标函数有正、有负、甚至可能是复数值；且目标函数和适值间的关系也多种多样。如求最大值对应点时，目标函数和适值变化方向相同；求最小值对应点时，变化方向恰好相反；目标函数值越小的点，适值越大。因此，存在目标函数值向适值映射的问题。 首先应保证映射后的适值是非负的，其次目标函数的优化方向应对应于适值增大的方向。 对最小化问题，一般采用如下适值函数f(x)和目标函数g(x)的映射关系： 其中：cmax可以是一个输入参数，或是理论上的最大值，或是到目前所有代（或最近的k代）之中见到的g(x)的最大值。 对最大化问题，一般采用下述方法： 式中: cmin既可以是输入值也可以是当前最小值或最近的k代中的最小值。 指数函数方法，一般采用下述方法： 其中：c一般取1.618或2（最大化），0.618（最小化）。这样，既保证了f(x)≥0又使f(x)的增大方向与优化方向一致。 （2）适应值调整 （3）编码 （4）多参数级联定点映射编码 （详见课本P72~75） 四、进化控制基本原理 1、进化控制及基本思想 20世纪90年代末，即在遗传算法等进化计算思想提出20年后，在生物医学界和自动控制界出现研究进化控制的苗头。 进化控制是建立在进化计算和反馈机制基础上的一种新的智能控制方式。 从控制角度看，进化计算的基本概念和要素(如编码与解码、适应度函数、遗传操作等)中都或多或少地隐含了反馈原理。 例如，可把适应度函数视为控制理论中的性能指标函数，对给定的目标信息和作用效果的反馈信息，经过比较评判，并据评判结果指导进化操作。 又如，遗传操作中的选择操作实质上是一种维持优良性能的调节作用。而交叉和变异操作则是两种提高和改善性能可能性的操作。在编码方式中，其启发知识实质上也是一种反馈。 2、进化控制系统的结构 进化控制的研究开发者们已提出多种针对具体应用的进化控制系统结构，但至今仍缺乏一般的和公认的结构模式。在实际研究和应用中，进化控制系统往往采用混合结构及复合控制方式。 例如，采用进化计算与模糊控制相结合；进化机制与神经网络相结合等等。 下图给出了一种直接进化控制结构。它由遗传算法直接作用于控制器，构成基于GA的进化控制器。 参考 模型 控制器 受控 对象 GA算法 进化控制器 + - 在运用进化计算解决某个任务时，其本质就是在任务的解空间中寻找最优解。如果在进化计算的实现中引入反馈，就形成进化控制的机制。下图是进化控制系统的一种解决方案。 Ta是一种任务的抽象描述，U为控制作用。进化控制过程是一个动态调节过程。 Ta 转换 人机接口 适应度函数 问题解空间表示 进化操作 广义被控对象 进化控制器 性 能 评 价 U 进化控制系统案例分析 （作业） * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 交叉算子 所谓交叉运算，是指对两个相互配对的染色体依据交叉概率 Pc 按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算在遗传算法中起关键作用，是产生新个体的主要方法。 SGA中交叉算子采用单点交叉算子。 单点交叉运算 交叉前： 00000|01110000000010000 11100|00000111111000101 交叉后： 00000|00000111111000101 11100|01110000000010000 交叉点 变异算子 所谓变异运算，是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。