Ch5遗传算法.ppt

机器学习Machine Learning 遗传算法(GA)的肇始 “ 活的有机体是解决问题的专家。它们所表现出来的各种才能足以使最好的计算机程序自惭形秽。这种现象尤其令计算机科学家们感到痛楚。计算机科学家们为了某种算法可能花费数月乃至数年的脑力劳动，而有机体则能通过进化和自然选择这样一种显然并非定向进行的机制获得这种能力。” --- John Holland 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 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。 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。 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： 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。 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。 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有哪些信誉好的足球投注网站能力，同时保持种群的多样性。交叉运算和变异运算的相互配合，共同完成对有哪些信誉好的足球投注网站空间的全局有哪些信誉好的足球投注网站和局部有哪些信誉好的足球投注网站。 GA中变异算子采用基本位变异算子。 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 。 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 GA的框图 遗传算法的特点 （1）群体有哪些信誉好的足球投注网站，易于并行化处理； （2）不是盲目穷举，而是启发式有哪些信誉好的足球投注网站； （3）适应度函数不受连续、可微等条件的 约束，适用范围很广。 遗传算法的收敛性分析 遗传算法要实现全局收敛，首先要求任意初始种群经有限步都能到达全局最优解，其次算法必须由保优操作来防止最优解的遗失。与算法收敛性有关的因素主要包括种群规模、选择操作、交叉概率和变异概率。 选择操作对收敛性的影响 选择操作使高适应度个体能够以更大的概率生存，从而提高了遗传算法的全局收敛性。如果在算法中采用最优保存策略，即将父代群体中最佳个体保留下来，不参加交叉和变异操作，使之直接进入下一代，最终可使遗传算法以概率1收敛于全局最优解。 变异概率对收敛性的影响 变异操作是对种群模式的扰动，有利于增加种群的多样性 。但是，变异概率太小则很难产生新模式，变异概率太大则会使遗传算法成为随机有哪些信誉好的足球投注网站算法。 个体编码 遗传算法的运算对象是表示个体的符号串，所以必 须把变量 x1, x2 编码为一种符号串。本题中，用无符号 二进制整数来表示。 因 x1, x2 为 0 ~ 7之间的整数，所以分别用3位无符号 二进制整数来表示，将它