遗传算法课件.pptVIP

主讲人： 目录 1. 背景简介……………遗传算法的生物学背景 2. 算法原理……………算法流程及算子的介绍 3. 算法评价……………优缺点及适用性评估 背景简介 遗传算法的生物学原理： 适者生存原则 自然选择 遗传和变异 种群演化 遗传算法适用场景 NP问题：一个问题的单个解可以在有限时间内被验证。 具体适用于诸多领域如函数优化、组合优化、生产调度、自动控制、机器学习、图像处理、人工生命、遗传编程、机器学习、数据挖掘等。均有很好的表现。 基本算法原理 一般流程： 1.初始化人工种群 种群个体染色体基因 2.计算个体的适应度 3.进行选择，交叉，变异等操作 4.迭代2，3步，直到满足停止规则 基本算法原理 初始化人工种群： 确定个体：对问题进行编码 浮点数编码：真值编码 二进制编码：解空间映射到二进制序列 确定种群： 确定种群数量上限（20~100） 加入随机的个体 交叉/变异概率 基本算法原理 计算适应度： 适应度函数的选择 有目标：以结果函数为评估函数为原型 无明确目标：种群的变化率 基本算法原理 种群世代更替： 选择 根据适应度进行排序 概率选择函数/精英机制 交叉 对选择的结果进行交叉操作 概率交换部分序列生成新序列 变异 概率变异 选择算子： 轮盘赌选择法 排序选择法 最优个体/截断选择法 锦标赛选择法 选择算子： 轮盘赌选择法