计算智能与深度学习 课件 4遗传算法-2.ppt

4.2基本遗传算法变异操作函数4.2.7算法的设计与实现%“变异”操作functionsnnew=mut(snew,pm);r=size(snew);bn=r(2);snnew=snew;Continue…4.2基本遗传算法变异操作函数4.2.7算法的设计与实现pmm=pro(pm);%根据变异概率决定是否进行变异操作，1则是，0则否ifpmm==1chb=round(rand*(bn-1))+1;%在[1,bn]范围内随机产生一个变异位snnew(chb)=abs(snew(chb)-1);endBacktomain.m4.2基本遗传算法运行程序4.2.7算法的设计与实现4.2基本遗传算法运行程序4.2.7算法的设计与实现4.2基本遗传算法运行程序4.2.7算法的设计与实现4.2基本遗传算法运行程序4.2.7算法的设计与实现4.2基本遗传算法模式将种群中的个体即基因串中的相似样板称为模式。在二进制编码的串中，模式是基于三个字符集（0，1，*）的字符串，符号*代表任意字符，即0或1。如模式*1*描述了一个四个元的子集{010，011，110，111}。4.2.8模式定理4.2基本遗传算法模式阶和定义距模式H中确定位置的个数称为模式H的模式阶，记作O(H)，如O(011*1*)=4。模式阶用来反映不同模式间确定性的差异，模式阶越高，模式的确定性就越高，所匹配的样本个数就越少。4.2.8模式定理4.2基本遗传算法模式阶和定义距模式H中第一个确定位置和最后一个确定位置之间的距离称为模式的定义距，记作δ(H)，如δ(011*1**)=4。阶数相同的模式会有不同的性质，定义距就反映了这种性质的差异。4.2.8模式定理4.2基本遗传算法智能优化计算华东理工大学自动化系2007年模式定理（schematheorem）在给定时间步t,一个特定模式H有m个代表串包含在种群A(t)中，记为m=m(H,t)，在再生阶段，每个串根据它的适应值进行复制，一个串Ai的再生概率为4.2.8模式定理4.2基本遗传算法模式定理（schematheorem）当采用非重叠的n个串的种群替代种群A(t)，可以得到：其中f(H)是在时间t表示模式H的串的平均适应度。4.2.8模式定理4.2基本遗传算法4.2.8模式定理模式定理（schematheorem）假设从t=0开始，某一特定模式适应度值保持在种群平均适应度以上一个cf（c为一常数），则模式的选择生长方程为上式表明，在种群平均值以上(以下)的模式将按指数增长(衰减)的方式被复制。4.2基本遗传算法模式定理（schematheorem）考虑交叉操作，模式H被破坏的概率为δ(H)/(l-1)，模式H生存概率为1-δ(H)/(l-1)，若交叉操作发生的概率为pc，因此对于模式H的生存概率计算为：同时考虑选择、交叉操作对模式的影响，可得：4.2.8模式定理H1=*1****0H2=***10**该式表明，模式增长或衰减依赖于两个因素．一个因素是模式的适应值是在平均适应值之上还是在平均适应值之下，另一个因素是模式具有相对长还是相对短的定义距。那些既在种群平均适应度值之上同时又具有短的定义距的模式将校指数增长率被采样。4.2基本遗传算法模式定理（schematheorem）考虑变异操作，单个等位基因存活的概率为pm，当模式H中O(H)个确定位都存活时，模式H才被保留，存活概率为：同时考虑选择、交叉和变异操作对模式的影响，可得：4.2.8模式定理H1=*1****0H2=***10*04.2基本遗传算法模