遗传算法及其应用 (2).pptVIP

* 9.3.3 自适应遗传算法 2. 自适应遗传算法的步骤 （1） 编码/解码设计。 （2） 初始种群产生：N（N 是偶数）个候选解，组成初始解集。 （3） 定义适应度函数为 ，计算适应度 。 （4） 按轮盘赌规则选择N 个个体，计算 。 （5）将群体中的各个个体随机搭配成对，共组成N/2对， 对每一对个体，按照自适应公式计算自适应交叉概率 ，随机产生R(0,1)，如果 则对该对染色体进行交叉操作。 第63页，共91页，2022年，5月20日，10点54分，星期六 * 2. 自适应遗传算法的步骤（续） （6）对于群体中的所有个体，共N个，按照自适应变异公式计算自适应变异概率 ，随机产生 R(0,1)，如果 则对该染色体进行交叉操作。 （7）计算由交叉和变异生成新个体的适应度，新个体与父代一起构成新群体。 （8）判断是否达到预定的迭代次数，是则结束；否则转 （4）。 9.3.3 自适应遗传算法 第64页，共91页，2022年，5月20日，10点54分，星期六 * 3. 适应的交叉概率与变异概率 9.3.3 自适应遗传算法 普通自适应算法中，当个体适应度值越接近最大适应度值时，交叉概率与变异概率就越小；当等于最大适应度值时，交叉概率和变异概率为零。 改进的思想：当前代的最优个体不被破坏，仍然保留（最优保存策略）；但较优个体要对应于更高的交叉概率与变异概率。 第65页，共91页，2022年，5月20日，10点54分，星期六 * F－自适应方法： 9.3.3 自适应遗传算法 3. 自适应的交叉概率与变异概率（续） 第66页，共91页，2022年，5月20日，10点54分，星期六 * 9.3.3 自适应遗传算法 S－自适应方法： 自适应的交叉概率与变异概率（续） 第67页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.4 选择 1.个体选择概率分配方法 （2） 排序方法 （rank-based model） 可用其他非线性函数来分配选择概率，只要满足以下条件： 第31页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.4 选择 2. 选择个体方法 （1）转盘赌选择（roulette wheel selection） 按个体的选择概率产生一个轮盘，轮盘每个区的角度与个体的选择概率成比例。 产生一个随机数，它落入转盘的哪个区域就选择相应的个体交叉。 第1轮产生一个随机数：0.81 第2轮产生一个随机数：0.32 第32页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.4 选择 2. 选择个体方法 （2）锦标赛选择方法（tournament selection model） 锦标赛选择方法：从群体中随机选择个个体，将其中适应度最高的个体保存到下一代。这一过程反复执行，直到保存到下一代的个体数达到预先设定的数量为止。 随机竞争方法（stochastic tournament）：每次按赌轮选择方法选取一对个体，然后让这两个个体进行竞争，适应度高者获胜。如此反复，直到选满为止。 第33页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.4 选择 2. 选择个体方法 （3） 和 选择 从规模为 的群体中随机选取个体通过重组和变异生成 个后代， 再选取 个最优的后代作为新一代种群。 从 个后代与其父体共 中选取 个最优的后代。 第34页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.4 选择 2. 选择个体方法 （4）Boltzmann锦标赛选择 最佳个体（elitist model）保存方法：把群体中适应度最高的个体不进行交叉而直接复制到下一代中，保证遗传算法终止时得到的最后结果一定是历代出现过的最高适应度的个体。 （5）最佳个体保存方法 随机选取两个个体 ，若 则选择适应值好的作为胜者，否则计算概率 ，若 ，选择差解，否则选择好解。 第35页，共91页，2022年，5月20日，10点54分，星期六 * 9.2.5 交叉 1. 基本的交叉算子 （1）一点交叉（single-point crossover） 一点交叉：在个体串中随机设定一个交叉点，实行交叉时，该点前或后的两个个体的部