遗传算法电气与电子测量技术.pdf

遗传算法 （一）实验原理 1、遗传算法简介 Genetic Algorithm 遗传算法 （ ）是模拟达尔文生物进化论的自然选择和遗传 学机理的生物进化过程的计算模型，将达尔文生物进化理论引入参数寻优之中， 适应度高的个体越容易被保留，经过若干代数遗传操作，种群各个体的适应度不 断提高，直至满足一定的极限条件，获得优化问题最优解。此外，遗传算法对初 始值没有特殊要求，不需要充足的先验知识即可求解，应用性极强。 遗传算法的主要操作步骤有：染色体编码 （含解码）、种群选择、交叉、变 异。 1 （）编码 染色体编码方式主要有二进制编码和实数编码两种。 0 1 顾名思义，二进制编码是仅由 、 组成的编码，初始个体的基因值可以用 m CodeL 均匀分布的随机数产生。假如要估计的参数个数为 ，染色体长度为 ，那 CodeL m i(1≤i≤m) 么每个个体的编码数为 × 。针对该个体 （参数组）第 个元素进 行解码有： y(i) x(i) xmin(i)  CodeL (xmax(i) xmin(i)) 2 1 x (i) x (i) y(i) 其中， max 与 min 分别代表该元素取值上下限， 表示该元素二进制编 码的十进制转换值。 2 （）选择算子 依据 “优胜劣汰，适者生存”的进化思想，适应度越高的个体能够产生后代 的概率越大，其被保留的概率也越大。 基于轮盘赌的选择策略： Size f(i) i 假设一个种群含有 个个体，每个个体的适应度为 ，则个体 被选取 的概率为： f (i) p(i) Size f (j) j 1 [0,1] 当个体选择的概率给定后，产生 之间的随机数来决定哪个个体参加交配。 若个体的选择概率大，则能多次选中，它的遗传基因就会在种群中扩大；若个体 的选择概率小，则被淘汰。 基于确定式采样的选择策略： Ni 首先计算个体在下一代群体中的期望生存数目 ： Fi Ni Size M i (1,2,…，Size) Fi i 1 Ni 用 的整数部分确定各个对应个体在下一代群体中的生存数目。由此可确 Size 定下一代群体中的[Ni] 个个体。 i 1 Size 然后用Ni 的小数部分对个体进行降序排序，顺序取前Size[Ni] 个个