- 1、本文档共68页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第九章 人工生命与智能计算;人工生命;第九章 人工生命;第一次会议;研究人工生命的原因;人工生命的探索;人工生命的模型; 人工生命的研究方法和战略;模型法。
根据内部和外部系统所表现的生命行为,建造信息模型。
工作原理法。
生命行为所显示的自律分散和非线性的行为,它的工作原理是混沌和分形,据此研究它的机理。;采用以计算机等信息处理机器为中心的硬件生成生命行为。
一种是采用已有的信息处理机器和执行装置,实现具有人工生命行为的系统。
另一种是用生物器件构造生命系统。这些都通称为生物计算机,是一种向人工生命接近的方法。
用计算机仿真,研究开发显示生命体特征行为的模型软件。简单地说,神经网络系统和遗传算法等,都是采用信息数学模型,模拟人工生命的生成。
基于工作原理,利用计算机仿真生成生命体。生命现象的基础是随物理熵的增大而杂乱无章。生成这种现象的原理是混沌的分形、耗散结构、协同反应等,采用这些产生生命现象。
通过计算机仿真,分析生命特有的行为生成,建立新的理论。利用上面3个策略,得到生命行为共同的一般性质,通过概括,建立生命的基本理论。这种策略形成自组织、超并行处理等理论。;9.2 遗传算法及应用;1 遗传算法的提出及发展;遗传算法的发展;J.H.Holland
20世纪60年代,Holland认识到了生物的遗传和自然进化现象与人工自适应系统的相似关系,运用生物遗传和进化的思想来研究自然和人工自适应系统的生成以及它们与环境的关系,提出在研究和设计人工自适应系统时,可以借鉴生物遗传的机制,以群体的方法进行自适应搜索,并且充分认识到了交叉、变异等运算策略在自适应系统中的重要性。 ;J.D.Bagley
1967年,Holland的学生Bagley在其博士论文中首次提出了“遗传算法”一词,并发表了遗传算法应用方面的第一篇论文。他发展了复制、交叉、变异、显性、倒位等遗传算子,在个体编码上使用了双倍体的编码方法。这些都与目前遗传算法中所使用的算子和方法类似。他还敏锐地意识到了在遗传算法执行的不同阶段可以使用不同的选择率,这将有利于防止遗传算法的早熟现象,从而创立了自适应遗传算法的概念。 ;20世纪70年代,Holland提出了遗传算法的基本定理---模式定理(Schema Theorem),奠定了遗传算法的理论基础。1975年,Holland出版了第一本系统论述遗传算法和人工自适应系统的专著《自然系统和人工系统的自适应性(Adaptation in Natural and Artificial Systems)》。 ;20世纪80年代,Holland实现了第一个基于遗传算法的机器学习系统----分类器系统,开创了基于遗传算法学习的新概念,为分类器系统构造出了一个完整的框架。 ;D.J.Goldberg
1989年,Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》。该书系统总结了遗传算法的主要研究成果,全面而完整地论述了遗传算法的基本原理及其应用。 ;J.R.Koza
1992年,Koza将遗传算法应用于计算机程序的优化设计及自动生成,,提出了遗传编程的概念。Koza成功地将提出的遗传编程方法应用于人工智能、机器学习、符号处理等方面。 ;2 遗传算法的基本原理 ;遗传算法与传统优化算法的主要不同;遗传算法的缺点;3 遗传算法的构成要素 ;3 遗传算法的构成要素;3 遗传算法的构成要素;遗传算法与传统优化算法的主要不同;4 遗传算法的应用步骤;4 遗传算法的应用步骤;4 遗传算法的应用步骤;4 遗传算法的应用步骤;基本遗传算法流程图;遗传算法举例;(4)选择:选择概率
个体: 01101,11000,01000,10011
适应度: 169 576 64 361
选择概率:0.14 0.49 0.06 0.31
选择结果:01101,11000,11000,10011
(5)交叉操作:发生交叉的概率较大
哪两个个体配对交叉是随机的
交叉点位置的选取是随机的(单点交叉)
0110 1 01100 11 000 11 011
1100 0 11001 10 011 10 000;(6)变异:发生变异的概率很小
(7)新群体的产生:
保留上一代最优个体,一般为10%左右,至少1个
用新个体取代旧个体,随机取代或择优取代。
11000,11011,1100
文档评论(0)