进化计算2.ppt

确定性选择方法 对群体中每个串 计算生存概率 , 从而得到 的期望拷贝数 ，仍记为；根据 值的整数部分，分配给每个串一个拷贝数，并按照 值的小数部分对群体中的串进行排序；最后按排列顺序从大到小选择串，直到填满暂时群体。 第0代 交配池 i 串xi 适应值f（xi） f（xi）/? f（xi） 串 f（xi） 1 011 3 0.25 011 3 2 001 1 0.08 110 6 3 110 6 0.50 110 6 4 010 2 0.17 010 2 总和 12 17 最小值 1 2 平均值 3.00 4.25 最大值 6 6 使用复制算子后产生的交配池 复制算子：采用赌盘选择 盘赌选择 （1）将群体中所有串的适应值相加求总和 （2）产生一个在0与总和之间的随机数m （3）从群体中编号为1的串开始，将其适应值与后继串的适应值相加，直到累加和等于或大于m 随机数 5 2 12 9 选择的串110 011 010 110 4.杂交算子 单点交叉：前n位来自第一个双亲，余下的位来自第二个双亲 两点交叉：用一个双亲的中间片断替换第二个双亲的中间片断 均匀交叉：合并了从两个双亲以均匀概率抽取的位 交叉操作 交叉操作的简单方式是将被选择出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换 假设有八位长的二个体，产生一个在1到8之间的随机数c，假如现在产生的是3，将P1和P2的低三位交换 1 0 0 0 1 1 1 0 1 1 0 1 1 0 0 1 P1 P2 1 1 0 0 0 1 5. 变异操作 变异操作的简单方式是改变数码串的某个位置上的数码 二进制编码表示的简单变异操作是将0与1互换：0变异为1，1变异为0 TSP的变异操作：随机产生一个1至n之间的数k，对回路中的第k个城市的代码wk作变异操作，又产生一个1至n之间的数w，替代wk ，并将wk加到尾部，得到： 6. 停止条件 给定的进化代数 种群中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止 六、算法性能分析 1. 收敛性能 －在线性能 定义 在f的响应面上，有哪些信誉好的足球投注网站算法a的在线性能定义为 其中 是在时间t内所得到的性能值。在线性能表示算法在直到当前为止的时间内得到的所有性能值的平均值。 2. 离线性能 定义 在f的响应面上，有哪些信誉好的足球投注网站算法a的在线性能定义为 其中 是在时间[0，t]内所得到的最优性能值。离线性能表示算法在执行中得到的最优性能值的平均值。 七、应用－工程优化 全局优化 组合优化 调度问题 高级运输问题 网络设计与路径 制造元设计 多目标优化 约束优化 模糊优化 七、 用遗传算法设计前馈神经网络 遗传算法与神经网络藕合成的混合学习系统 遗传算法 神经网络 通过学习后的网络性能 网络结构 （1）表示方案的确定 在遗传算法的群体中，染色体串编码前馈多层神经网络的结构，特别地，它们为隐含单元的数目、布局和控制反向传播算法的三个参数（即学习率、动量项和初始随机连接权的范围）编码。在本文讨论的前馈神经网络中，允许至多有两个隐含层；在能使网络性能提高的条件下，这两个隐含层中任何一层在演化中都可以被删去，在每一个隐含层中，神经元的最大数目为32 表示方案的确定 第一隐含层（第1位=有/无，后5位=单元数，1～32） 第二隐含层（第1位=有/无，后5位=单元数，1～32） 2 适应值的确定 我们取网络性能评价目标函数为：E= 训练样本集平均相对误差 + 测试样本集平均相对误差 适应值函数定义为：Syz＝EXP（min（E）／E） 式中EXP（）表示以e为底的指数函数；min（）表示最小值。这种指数比例变换使适应值范围在1～2.718之间，既可限制优势个体的复制数量又可提高相似串之间的竟争性。 3 确定控制算法的参数和变量 （1）群体规模N （2）杂交率 =0.6 （3）变异率 =0.01 （4）代间隙G=0.9 （5）停止准则 问题1：遗传算法能解决哪些问题，不能解决哪些问题？ 答：遗传算法，从数学角