遗传算法基本原理说课讲解.ppt

第四章 遗传算法的基本原理 ; ;4.1.1 标准遗传算法流程： 1．编码 2．初始群体的生成 3．适应度评估检测 4．WHILE <未满足迭代终止条件> DO 1.?????? 选择 2.?????? 交叉 3.?????? 变异 4.?????? 适应度评估检测 5．END DO ;选择;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1 遗传算法的基本描述;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.6 遗传算子;4.1.7 迭代终止条件;4.1.8 控制参数;4.1.8 控制参数;4.1.8 控制参数;4.1.9 GA的性能评估 ;4.1.9 GA的性能评估 ;4.1.9 GA的性能评估 ;4.1.9 GA的性能评估 ;4.1.9 GA的性能评估 ;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;Goldberg将模式称为“超平面”（hyper plane），指出了模式在编码空间上的几何意义，模式包含的位串是编码空间相应超平面上的点。;模式 H1 = 1 * * * *表示函数解空间的右半区域 模式 H2 = 0 * * * *表示函数解空间的左半区域;模式 H3 = * * * * 1表示函数解空间的阴影区域（奇数位串） 模式 H4 = * * * * 0表示函数解空间的空白区域（偶数位串）;模式 H5 = * * * 1 *表示函数解空间的阴影区域 模式 H6 = * * * 0 *表示函数解空间的空白区域;模式 H7 = 1 0 * * * 的表示域，代表了1/4的解空间;模式 H8 = * * 1 * 1 的表示域，代表了1/4的解空间;;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.2 遗传算法的模式理论;4.4 遗传算法的高级实现 ;4.4.1 小生境遗传算法 ;4.4.1 小生境遗传算法;4.4 小生境遗传算法;4.4 小生境遗传算法;4.4 小生境遗传算法;;4.4.2 混合遗传算法 ;;4.4.3 遗传模拟退火算法 ;算法Genetic Simulated Annealing ① 进化代数计数器初始化：t=0; ② 随机产生初始群体P(t)。 ③ 评价群体P(t)的适应度。 ④ 个体交叉操作：P’(t) = Crossover[P(t)] ⑤ 个体变异操作：P’’(t) = Mutation[P(t)] ⑥ 个体模拟退火操作：P’’’(t) = SimulatedAnnealing[P’’(t)] ⑦ 评价群体P’’’(t)的适应度。 ⑧ 个体选择、复制操作：P(t+1) = Reproduction[P(t)∪P’’’(t)] ⑨ 终止条件判断。若不满足终止条件，则: t=t+1，转到第④步，继续进化过程；若满足终止条件．则: 输出当前最优个体，算法结束。;算法PRSA(Parallel Recombination Simulated Annealing) ① 随机生成含有M个个体的初始群体P(0)。 ② 设置初始温度参数：T = Tmax ③ 对P(t)中的各个个体进行随机配对，对其中的每一对个体做下述处理： (a) 进行交叉和变异运算，由两个父代个体P1、P2生成两个子代个体c1和c2。 (b)对由父代个体和子代个体所组成的两个个体组P1和c1，P2和c2，以概率p接受子代个体为下一代群体中的个体，以概率(1-p)接受父代个体为下一代群体中的个体。 其中， 式中，fp和fc分别为父代个体和子代个体所对应的目标函数值。 ④ 终止条件判断。若不满足终止条件，则：按降温表更新温度参效T，t=t+1，转向第③步；若满足终止条件，则：输出当前最优点，算法结束。