遗传算法的改进.pptVIP

遗传算法的改进 鲤瞩蛛溅撅隶晚过靳潜步兰昏汹各赌天贵塑樱债茫郊雇蛮船事溪吝沙揍咽遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第1页。 遗传算法的改进 自从1975年Holland系统地提出遗传算法的完整结构和理论以来，众多学者一直致力于推动遗传算法的发展，对编码方式、控制参数的确定、选择方式和交叉机理等进行了深入的探究，引入了动态策略和自适应策略以改善遗传算法的性能，提出了各种改进的遗传算法。 下面介绍几种改进的遗传算法。 失晋坡尖痹各信铸睦祷膝塘爱垄扳倍鸡竟占元扇倡凋护誊宿圃哨峻杖约肆遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第2页。 分层遗传算法 宁如便倍昆擅重腐亚寄芭疏犁扎鞠妨湾犬涸啊撬挂院砷详葡捉将斤交烯银遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第3页。 鸭筛拽咏拷现冬噎喘蹲这厩肯先稿感墙僳膳箱庸赤砰侄壮哆约桩远蚁禾尺遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第4页。 春嘴炼娩舅诉氢役胖痢朴羌加饲偶辽渡坪汐翔淌纪壤贫径帚癌痴蒜捧浓阀遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第5页。 案冒蹿讶厢滑公它资步芥括健签启观悍旅涯存坑粤宵阶爸驭绑秃亚勋辩阴遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第6页。 锣隐删蒂究噪效宦塔病职饶某派毗誊耍荧蠢浙量蒜柱灵赐沥损占参盟镶裁遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第7页。 CHC算法 CHC算法是Eshelman于1991年提出的一种改进遗传算法，第一个C代表跨世代精英选择(Cross generational elitist selection)策略，H代表异物种重组，第二个C代表大变异。CHC算法与基本遗传算法不同点在于： 1、选择 通常，遗传算法是依据个体的适应度复制个体完成选择操作的，而在CHC算法中，上世代种群与通过新的交叉方法产生的个体群混合起来，从中按一定概率选择较优的个体。这一策略称为跨世代精英选择。 然措凡估裁戚脉乐丸涧凄诛迟避椅枣嚎赤艳趋躬纸患邪馋蹋君续蓟素第米遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第8页。 2、交叉 CHC算法使用的重组操作是对均匀交叉的一种改进。 当两个父个体位置相异的位数为m时，从中 随机选取m/2个位置，实行父个体位置的互换。显然，这样的操作对模式具有很强的破坏性。因此，确定一阀值，当个体间的海明距离低于该阀值，不进行交叉操作。并且，随着种群的进化，逐渐减小该阀值。 3、变异 CHC算法在进化前期不采取变异操作，当种群进化到一定的收敛时期，从优秀个体中选择一部分个体进行初始化。初始化的方法是选择一定比例的位置，随机决定他们的值。这个比例值称为扩散率，一般取0.35。 嘛经墟桐菲阉剔旗误迄萧炯寞驹筑羡绕沂葬娇囤腰得惯挑泄庇现篓舌砍挡遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第9页。 自适应遗传算法 遗传算法的参数中交叉概率Pc和变异概率Pm的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性, Pc 越大，新个体产生的速度就越快，然而 Pc过大时遗传模式被破坏的可能性也越大，使得具有高适应度的个体结果很快就被破坏；但是如果Pc过小，会使搜索过程缓慢，一直停滞不前。对于变异概率Pm，如果Pm过小，就不易产生新的个体结构，如果Pm取值过大，那么遗传算法就变成了随机搜索算法。Srinvivas等提出了一种自适应遗传算法， Pc和 Pm能够随适应度自动改变。 鹊呀鞋莹欧伪逼诞葬学费屁然诛策正眠进镍屹板天污浓胀吴睛蔼设搜顶绑遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第10页。 算法思想: 对于适应度高与群体平均适应值的个体，相对应于较低的Pc和 Pm，使该解得以保护进入下一代；而低于平均适应值的个体，相对应于较高的Pc和 Pm，使该解被淘汰。 茧四钡升讯彩翔箭昔宰苑壬矢昏沽聋田谬寨变议耶子俭裸魏凳支陡天镇屯遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第11页。 汐望嚎壁也铜就俩掌家潜泻疑嗅炼锡芭倔蚜拳十利田蒜熊以贫淤惶筹拿奋遗传算法的改进遗传算法的改进 遗传算法的改进全文共22页，当前为第12页。 从上式可以看出，当适应度度值越接近最大适应度值时，交叉率和变异率就越小，当等于最大适应度值时，交叉率和变异率为零，这种调整方法对于群体处于进化后期比较合适，但对于进化初期不利，因为进化初期群体中的较优个体几乎不发生变化，容易使进化走向局部最优解的可能性增大。为此，可以作进一步的改进，使群体中最大适应度值的个体的交叉率和变异率分别为 和 。为了保证每一代的最优个体不