遗传算法的理解.docxVIP

遗传算法概念：从生物界按照自然选择和有性繁殖、遗传变异的自然进化现象中得到启发，而设计的一种优化搜索算法。

个体：个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的一种称呼

一个个体也就是搜索空间中的一个点。

种群：模拟生物种群而由若干个体组成的群体，它一般是整个搜索空间的一个很小的子集，

通过对种群实施遗传操作，使其不断更新换代而实现对整个论域空间的搜索。

适应度（fitness）

借鉴生物个体对环境的适应程度，而对问题中的个体对象所设计的表征其优劣的一种测度。

适应度函数：

问题中的全体个体与其适应度之间的一个对应关系

一般是一个实值函数

该函数就是遗传算法中指导搜索的评价函数

染色体：

个体对象由若干字符串组成来表示。

遗传算法：

染色体就是问题中个体的某种字符串形式的编码表示

染色体以字符串来表示

基因是字符串中的一个个字符

举例：

个体 染色体

9 ——1001

种群：（2，5，6）——010101110

遗传算子;包括三种选择，交叉，变异。

选择算子:模拟生物界优胜劣汰的自然选择法则的一种染色体运算

从种群中选择适应度较高的染色体进行复制，以生成下一代种群.

算法：个体适应度计算在被选集中每个个体具有一个选择概率选择概率取决于种群中个体的适应度及其分布个体适应度计算，即个体选择概率计算个体选择方法

按照适应度进行父代个体的选择

个体适度计算：按比例的适度计算

算法：

对一个规模为N的种群S,按每个染色体x.eS的选择概率P(x.)所决定的选中机会，分N次从S中随机选择N个染色体，并进行复制

其中：

町)=言

j)

j=1

f为适应度函数f(x)为x.的适应度

轮盘赌选择

算法:在［0,1］区间，产生一个均匀分布的伪随机数r若rq1，则染色体1被选中若qk-1rqk(2kN),则染色体k被选中其中qi为染色体xi(i=1,2,…，n)的累积概率一个染色体xi被选中的次数，可由期望值e(xi)来确定

F上面有横线表示为种群S中全体染色体的平均适应度

交叉算子

交换、交配、杂交

互换两个染色体某些位上的基因

随机化算子，生成新个体

举例：、

染色体s1=1011011100.染色体s2=0001110011，交换其后两位基因

单点交叉得到：s1=1011011111, s2=0001110000

变异算子

突变

改变染色体某个/些位上的基因

随机化算子，生成新个体

次要算子，但在恢复群体中失去的多样性方面具有潜在的作用

例子：

S=1011011100经过二进制变异以后s1:1011011°00

对于一个给定适度函数应该依次按，选择，交叉，变异的顺序依次进行第一代，第二代，等操作，在每次进行变异操作的时候，都要判断，pm*l*n是否大于一，如果大于一进行变异，否则不进行，直到遇到做大的适应度为止。产生一代新的种群方法是，列出随机产生的种群，求出它的适应度，选择概率

净（七〉

累计概率：每次的选择概率依次相加。

■还要列出估计选中次数：方法是设从区间［0,1］产生4个随机数r1=0.45,

r=0.11,r=0.57,r=0.98，

., ., .

2 3 4

■ 在算法中赌轮选择法可用下面的子过程来模拟：

□①在［0,1］区间内产生一个均匀分布的随机数厂。

若四,则染色体X1被选中。

若qk1rqk(2kN),则染色体xk被选中。其中的q称为染色体*.(/=1,

2,…，〃)的积累概率，其计算公式为

q=已P(x)

j=1

利用赌轮算法选择法判断qk与r的大小看他在那个范围居多，得出他的估计选中次数，依次列出选择种群，在进行交叉算法。依次进行。