Ch遗传算法的学习教案.pptxVIP

第1页/共48页Ch遗传算法的学习教案第2页/共48页遗传算法的思想Darwin的进化论 ---- “自然选择、适者生存” 特定环境的考验种群中个体的选择--- 优胜劣汰 选择操作为种群提供了演进的方向种群中的交叉繁殖--- 优优组合 交叉操作的作用在于汇集散布于不同 个体间的局部优势模式种群中个体的变异--- 寻找新模式 变异操作是种群向外扩展的触角(随机) 好的变异将保留，坏的淘汰第3页/共48页初始种群 GA（Genetic Algorithm ）采用随机方法生成若干个个体的集合，该集合称为初始种群。初始种群中个体的数量称为种群规模。 适应度函数 遗传算法对一个个体（解）的好坏用适应度函数值来评价，适应度函数值越大，解的质量越好。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题本身的要求而定。 第4页/共48页选择算子 遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作：适应度高的个体被遗传到下一代群体中的概率大；适应度低的个体，被遗传到下一代群体中的概率小。选择操作的任务就是按某种方法从父代群体中选取一些个体，遗传到下一代群体。GA中选择算子采用轮盘赌选择方法。 第5页/共48页轮盘赌选择方法 轮盘赌选择又称比例选择算子，它的基本思想是：各个个体被选中的概率与其适应度函数值大小成正比。设群体大小为n ，个体i 的适应度为 Fi，则个体i 被选中遗传到下一代群体的概率为： 第6页/共48页轮盘赌选择方法的实现步骤（1） 计算群体中所有个体的适应度函数值（需要解码）；（2） 利用比例选择算子的公式，计算每个个体被选中遗传到下一代群体的概率；（3） 采用模拟赌盘操作（即生成0到1之间的随机数与每个个体遗传到下一代群体的概率进行匹配）来确定各个个体是否遗传到下一代群体中。第7页/共48页交叉算子 所谓交叉运算，是指对两个相互配对的染色体依据交叉概率 Pc 按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算是遗传算法区别于其他进化算法的重要特征，它在遗传算法中起关键作用，是产生新个体的主要方法。 GA中交叉算子采用单点交叉算子。 交叉前： 00000|01110000000010000 11100|00000111111000101交叉后： 00000|00000111111000101 11100|01110000000010000交叉点第8页/共48页变异算子 所谓变异运算，是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。遗传算法中的变异运算是产生新个体的辅助方法，它决定了遗传算法的局部搜索能力，同时保持种群的多样性。交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。 GA中变异算子采用基本位变异算子。 第9页/共48页基本位变异算子 基本位变异算子是指对个体编码串随机指定的某一位或某几位基因作变异运算。对于基本遗传算法中用二进制编码符号串所表示的个体，若需要进行变异操作的某一基因座上的原有基因值为0，则变异操作将其变为1；反之，若原有基因值为1，则变异操作将其变为0 。 变异前：000001110000000010000变异后：000001110001000010000变异点第10页/共48页运行参数 （1）M ： 种群规模 （2）T ： 遗传运算的终止进化代数 （3）Pc ： 交叉概率 （4）Pm ： 变异概率 第11页/共48页简单实例产生初始种群计算适应度（8） （5） （2） （10） （7）（12） （5） （19） （10） （14）0001100000 0101111001 0000000101 1001110100 10101010101110010110 1001011011 1100000001 1001110100 0001010011第12页/共48页58＋5＋2＋10＋7＋12＋5＋19＋10＋1488＋5＋2＋10＋7＋12＋5＋19＋10＋14简单实例选择个体染色体适应度选择概率累积概率1000110000082010111100153000000010124100111010010510101010107611100101101271001011011581100000001199100111010010100001010011140.0869570.0543480.0217390.1086