6_现代优化计算方法.ppt

第六章 现代优化计算方法 §6.1 引言 §6.2 计算复杂性和启发式算法 §6.2 计算复杂性和启发式算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.3 模拟退火优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.4 遗传优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.5 神经网络优化算法 §6.6 混合优化算法 §6.6 混合优化算法 §6.6 混合优化算法 §6.6 混合优化算法 §6.6 混合优化算法 §6.6 混合优化算法 五. 遗传算法与其他传统有哪些信誉好的足球投注网站方法的比较 遗传算法不是直接作用在解空间上，而是作用在解的某种编码上 遗传算法从一个群体解（即多个解）而不是一个解开始有哪些信誉好的足球投注网站，这是它能以较大概率找到全局最优解的主要原因。 遗传算法对有哪些信誉好的足球投注网站空间无任何特殊要求（如连通性、凸性），只利用适应度信息，而传统有哪些信誉好的足球投注网站算法一般要使用导数等其他辅助信息。 遗传算法使用随机转移规则而不是确定性的转移规则。 例题 求二次函数 的最大值，自变量x∈[0，3l]T． 解 主要步骤： （1）个体编码．遗传算法的运算对象是表示个体的字符串，为了实现方便，通常采用固定长度的字符串来表示，字符选用0或1．本例中，自变量x的取值范围为0～31，可以用5位二进制数来表示x的取值，即0，1，…，31共32个整数值． （2）群体初始化．采用随机产生的方法产生初始群体，这里选取群体规模数为4，得出由4个个体组成的初始群体，即 个体l 01101 个体2 11000 个体3 01000 个体4 10011 它们对应的x值分别为13、24、8、19，如表9.3中第②栏所示． （3）构造适应度函数． 本问题的目标是使二次函数最大，而群体进化过程中适应度最大的个体即是最优个体，于是可以将该二次目标函数作为适应度函数，这样在进化结束时，最大适应度值的个体所对应变量x的值，将使目标函数达到最大。 本例中的目标函数可以直接作为适应度函数，在计算适应度函数时需要对个体进行解码．比如，个体1~个体4解码后对应的x值分别为13、24、8、19，相应的适应度则分别为169、576、64、361，如表9.3中第③和④栏所示。 （4）选择运算． 选择运算就是从当前群体中选出优良个体作为父代个体，使它们有机会繁殖后代。一般选择那些适应度较高的个体。个体适应度越高，被选择的机会就越多，而适应度小的个体则被删除． 选择操作的实现方法很多．这里采用和适应度值成正比的概率方法进行选择．首先，计算出群体中所有个体的适应度总和 ，然后计算每个个体的相对适应度大小 ，并以此作为相应的选择概率 ，如表9.3中第⑤栏所示． 选择操作 也可以采用轮盘选种法进行筛选，将个体适应度的值 累加得到总适应度的和 ，每个个体按照适应度对应着相应区间 ， ，