P4 遗传算法.pptVIP

二进制编码与非二进制编码 相同的解的数量 提供的图式数量 多参数优化问题的编码 已编码整数的线性映射 映射的精度 构造多参数的编码 按要求将单参数编码连接起来即可，每一个码可以有自己的子长度和取值范围。 4.2 适应度函数 适应度函数值非负 待优化问题表述为最大化问题 目标函数最小化 可以当作输入参数、所观测到的最大值、当前或前k代种群中的最大值。 目标函数最大化 可以当作输入参数、当前或前k代种群中的最小值的绝对值。 超级染色体 4.3 全局收敛与早熟 已经证明，当采用轮转法时，简单的GA都不会以1的概率收敛到全局的最优点。只有采用精英选择法和改进的GA可以收敛到全局的最优点。 在进化的初期，按照轮转法，少数具有相对高的适应度的“超常”染色体会获得较多的后代，抑制了具有优秀图式的普通染色体的生长，造成成熟前收敛。 全局收敛与早熟 5 改进的遗传算法 5.1 改进的复制方法 精英选择法 确定性选择法 置换式余数随机选择法 非置换式余数随机选择法 精英选择法 把种群中最优秀的个体直接复制到下一代 提高优秀个体对种群的控制速度 改善局部有哪些信誉好的足球投注网站和GA特性 损坏了全局的有哪些信誉好的足球投注网站能力 确定性选择法 选择概率按常规计算 计算期望的后代数目 按整数部分分配后代数目 染色体按余数降序排列 种群其余部分按排序表由高到低依次选择填充 置换式余数随机选择法 开始部分同确定性选择法 余数部分用来计算轮转法中的权值 无回放余数随机选择法（RSSR） Remainder Stochastic Sampling with Replacement 5.2 多点交换 多点交换 C1: 1011|0001|100 C2: 0010|1101|001 C1’: 1011|1101|100 C2’: 0010|0001|001 掩码交换 掩码交换 父辈1 父辈2 模板（R）子辈1 子辈2 5.3 微种群算法 SGA种群规模大30~200 种群小 计算简单、速度快、易陷入局部最优 随机产生小种群，实施精英选择策略 微种群算法 随机选择规模为5的种群；或4个是随机选择，1个来自前一次有哪些信誉好的足球投注网站。 计算适应度并确定最好的串，将其标记为5，直接传到下一代。 按确定性竞赛选择策略选择其余的4个串进行复制（5选4），同时应避免下一代中同一串有两个复制品。 按概率1进行交叉运算，变异概率为零。 检验收敛条件。如果收敛转步骤1；否则转步骤2。 微种群算法 收敛条件 最大适应度个体与其他4个个体的基因差异率是否低于设定值（5%） 微种群算法在进化过程中，以合理的间隔，通过“启动-再启动”过程，不断引入恒定数目的新种群，寻求好的个体，避免早熟且收敛速度快。 微种群算法与标准遗传算法比较 6 遗传算法的应用 P361 目标函数说明 仿真序号 TSP问题-变异 TSP问题-交叉 TSP问题-交叉 Inputs: Chromosomes ga = (D, H, B, A, C, F, G, E) gb = (B, C, D, G, H, F, E, A). Outputs: The offspring g = (H, B, A, C, D, G, F, E) 7 遗传算法的有关问题说明 遗传算法易于使用，但不易使用得好。 如果有其他的方法，不要使用遗传算法。 遗传算法不能解决所有问题。 遗传算法只是进化论算法性能较强的几个分支之一。 第四部分 遗传算法 参考书目 王晓平，曹立明 遗传算法-理论、应用与软件实现 西安交通大学出版社 孙增忻 智能控制理论与技术 清华大学出版社 李人厚 智能控制理论和方法 西安电子科技大学出版社 1 遗传算法简介 John Henry Holland,1975 Adaptation in Natural and Artificial Systems David E. Goldberg,1989 Genetic Algorithms 遗传算法简介 模拟自然界的进化现象：适者生存 优胜劣汰 把有哪些信誉好的足球投注网站空间映射为遗传空间 把每一个可能的解编码为一个向量 向量：染色体、个体 元素：基因 向量的表示：二进制或十进制的串 遗传算法简介 多个染色体组成种群、群体或集团 按预定的目标函数对每个染色体进行评价 根据结果给出其适应度 新一代的个体不断地在总体性能胜过旧的一代 遗传算法的特点 适者生存、优胜劣汰 鲁棒性 在各种不同的环境中通过效率与功能之间的平衡以求生存的能力。 启发式有哪些信誉好的足球投注网站，适用于复杂问题的优化 常规的优化方法 解析法 枚举法 随机法 2 遗传算法的工