- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
精选资料,欢迎下载
精选资料,欢迎下载
智能优化算法第一次作业
遗传算法
洪文杰 S151000853
问题:用遗传算法求解 f(x)=xsin(10 n *x)+2.0的最大值,x取[-1,2].
、分析:遗传算法基本思路
PopulationGA OperatorsEvaluationFitness value
Population
GA Operators
Evaluation
Fitness value
Evolution Environment
Genetic Algorithm Evolution Flow
二、实例简介
产生初始种群 s1= 13 (01101)
s2= 24 (11000)
s3= 8 (01000)
s4= 19 (10011)
计算适应度
假定适应度为f(s)=sA2 ,则
f (s1) = f(13) = 13A2 = 169
f (s2) = f(24) = 24人2 = 576
f(S3) = f(8) = 8A2 = 64
f (S4) = f(19) = 19A2 = 361
选择
染色体的选择概率为:
染色体的选择概率为
/=1尹)169169 + 576+64+361
/=1
尹)
169
169 + 576+64+361
576
169 + 576 +64 + 361
64
169 + 576 *64 + 361
361
169 + 576 +64 + 361
= 0,14
=0.49
=0,06
=031
染色体的累计概率为:
染色体的累计楸率为
0(必)=》"(》) =a 14
心)=X/;(5.) = 0.14 + 049 = 0.63 一;
?(?)=工〃($ ) = 0」4 +0.49 + 0.06 = 0.69
讥眄)=X X^y) = o 14 + 0.49 + 0.06 +0.31 = 1 7=1
根据上面的式子,可得到:
0」4
049
人
0J16
丄
031
人 -
f x
1 1
1 1
1
0 0J4
0;63 0.69
1
ft
<h
例如设从区间[0, 1
]中产生4个随机数:
r1 = 0.450126,
r2 = 0.110347
r3 = 0.572496,
r4 = 0.98503
设以区间[QI]中严生4个随机数如下:
/■-0.450126, 0 110347
/?= 0.572496,门=0.98503
染色休
适应度
选择概率
积累概率
选中次数
*01101
169
0J4
0.14
1
^■11000
576
0.48
Q.63
2
^=01000
64
A.g?
0.B9
0
^■10011
361
0.31
1.00
1
交叉
基本遗传算法(SGA中交叉算子采用单点交叉算子。
单点交叉运算
交叉前
O1 000(01110OOOOOOO1OOOO
111 OO|OOOOO111111OOO101
O1 OOO|OOOOO111111OOO101
OO|O1110OOOOOOO1 OOOO
变异
变异前:变异点000001110000000010000
变异前:
变异点
变异后:
000001110001000010000
至下一代,适应度计算-选择-交叉-变异,直至满足终止条件
RandomlyEva fu ategenerate initial—? a" \pupuldtion佥individualsSelective repraductiQnGeneration
Randomly
Eva fu ate
generate initial
—? a" \
pupuldtion
佥
individuals
Selective repraductiQn
Generation
cycle
Cro ssi ng aver
Mutation
三、解决问题
初始化输入种群大小,交叉概率, 变异概率等条件
根据精度编码将区间[-1,2]分成Num 份,再通过Num求解种群基因个数
([-1,2]用二进制等分)
计算每个个体的适应度,该题适应
度函数就是f(X)
根据适应度求解积累概率,并用轮 盘赌法选着个体产生备选种群
在备选种群中,利用交叉概率,随 机选择个体,再随机选择交叉点进 行单点交叉,形成交叉后的种群
在交叉后种群中,利用变异概率, 随机选择个体,再随机选择变异点 进行单点变异,形成变异后的种群
输出结果最大 值。
输出结果最大 值。
四、实验结果
源代码:
/*问题:用遗传算法求解 f(x)=xsin(10 n *x)+2.0的最大值,x取[-1,2].*/
/*洪文杰2016-3-9. 智能优化算法第一次作业*/
#in clude<iostream>
〃#in clud<stdio.h>
#in clude<std
文档评论(0)