自适应遗传算法.pdfVIP

自适应遗传算法 一 .主要流程 ： 1. 参数的初始化。设定遗传种群规模 N ，阵元数 M ，信源数 P 等。 2. 编码。采用十进制编码方法。 3. 初始种群的产生。随机数生成。 4. 适应度函数的评价。选取 f Θ tr PA R （1） 其中， H 1 H P A ( A A ) A （2） A P 是 A 的投影矩阵， A 是阵列流型。 A L 1 H R XX （3） L i 1 R 是数据协方差矩阵的最大似然估计。 5. 选择。比例选择方法与精英选择方法结合使用，在当代种群中选择优良个体 遗传到下一代。既保证了种群的多样性，也使最优个体得以保留。 1）比例选择方法 （赌轮盘法）：每个个体被选中的概率与它的适应度函数 值大小成正比，即适应度函数越高的个体被选中的概率也就越高。 2）精英选择方法：让种群中适应度函数值最高的个体不进行配对交叉， 编辑版 word 直接复制到下一代中。但是容易陷入局部最优解，全局搜索能力差。 6. 交叉。按照概率 Pc 对种群中个体两两配对，进行交叉操作。本文中选取算数 交叉的方式。 算数交叉：是由两个个体的线性组合来产生新的个体，假设第 t 代的两个 个体为 A(t) 、B(t) ，则算数交叉后产生的新个体是 A t 1 B t 1 A t （4） B t 1 A t 1 B t （5） 其中，α选取（ 0，1）之间的随机数。 交叉概率： 使交叉概率随着遗传代数的增长， 逐渐减小， 目的是进化前期 注重交叉运算，全局搜索能力强。 T P 0.4 * cos 0.2 （6） c K 2 其中， T 是进化代数， K 是总进化次数。 7. 变异。按照概率 Pm 对种群个体进行变异。本文中选取均匀变异的方式。 均匀变异：如某基因座上的基因值为 X ，其取值范围为 [Umin,Umax],对其 k 进行变异后的值为 X k = U min + r(U max - U min ) （7） 其中， r 选取 [0,1]之间的随机数。 编辑版 word 变异概率：使变异概率随着遗传代数的增长，逐渐增加，目的是进化后期 注重变异运算，局部搜索能力强。