人工智能与信息社会课件：402基因遗传算法（改）.pdfVIP

人工智能与信息社会 基于仿生算法的智能系统I：基因遗传算法 陈斌北京大学gischen@pku.edu.cn 基因遗传算法 〉 基因遗传算法是什么？ 〉 该算法与大自然的遗传规律一样吗？ 〉 我们应用基因遗传算法做了那些事情？ 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法 〉 遗传算法是一种受达尔文自然进化理 论启发的搜索启发式算法。 〉 该算法反映了自然选择的过程，其中 选择最适合的个体进行繁殖以产生下 一代的后代。 北京大学地球与空间科学学院/ 陈斌/2018 自然选择的概念： 〉 自然选择的过程始于从群体中选择最 适合的个体。 〉 如果父母有很好的适应环境，他们的 后代将继承父母的特征，并继续影响 下一代。这个过程不断迭代，最后将 找到最适合的一代。 北京大学地球与空间科学学院/ 陈斌/2018 搜索问题中的自然选择 〉 自然选择的概念可以应用于搜索问题。 〉 我们考虑问题时，从一个一般的解决 方案入手，不断优化成一组最好的解 决方案。 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法的组成： 〉 编码 （初始化）、适应度函数、选择、 交叉、变异 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法与自然界遗传的对照 〉 编码 （初始化）-> 老祖先的诞生 〉 适应度函数->物种特征适应环境的判定条件 〉 选择、交叉、变异->自然选择与遗传变异 （突变与基因重组） 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法的主要流程： 〉 随机生成初始群体。 〉 开始主循环 （结束的标准可 以是迭代次数，或者适应度 达到某个要求）。 a) 执行策略，计算当前群体中 所有个体的适应度； b) 从当前群体中，选择精英作 为下一代的父母； c) 将选出的精英父母配对； d) 以极小概率将子代变异； e) 将子代个体添加到新群体中。 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法的应用 〉 函数优化、组合优化 优化是通过改变参数来最大化或最小化目标 函数。 所有可能解 （参数值）的集合构成搜索空间。 在这个搜索空间中，有一组点是最佳解决方 案，优化的目的就是在搜索空间中找到这样 一组点。 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法的优缺点 〉 遗传算法的优点 全局搜索性强 北京大学地球与空间科学学院/ 陈斌/2018 基因遗传算法的优缺点 〉 遗传算法的缺点 计算量较大 具有随机性，无法确保解决方案一定最优 北京大学地球与空间科学学院/ 陈斌/2018 总结 〉 基因遗传算法和自然界遗传法则一样，需要 从一个初始化种群出发，经过进化，利用适 应度函数选择，最终得到最优解。 北京大学地球与空间科学学院/ 陈斌/2018