演化计算讲座第一部分.pptVIP

演化计算的原理与应用;一、解决实际问题面临的挑战;求解实际问题的关键;求解实际问题存在的困难;两种常用解决问题的方法;方法1的特点;方法2的特点;二 演化算法的研究内容;;;第一章 什么是演化计算;1. 什么是演化计算？;几种典型的演化计算方法;仿生演化;拟物演化;3. 演化算法的特征;3. 演化算法的特征;算法特点：;4. 演化计算新的研究方向 （新领域、新方向举例）;; 遗传算法(GAs);遗传算法;遗传程序设计(GP);演化策略(ES);演化编程(EP);DNA计算;粒子群算法(PSO);蚁群算法(ACO);膜计算(MC);第二章 遗传算法;几个术语 ;遗传算法的本质;遺傳演算法運算過程;遺傳演算法運算過程;遺傳演算法數學模型;遺傳演算法流程圖;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法運算過程說明;遺傳演算法實例說明;遺傳演算法實例說明;(2)解碼 設某一個體之編碼為bkbk-1bk-2…b3b2b1，則對應之解碼公式為： ;(3)染色體 若要求之精度為小數後4位，則目標含數之兩個變數x1及x2所構成之染色體數串可以表示如下： ;(3)染色體 任一染色體數串是33位，如下所示： ;初始種群可隨機產生如下： U1= [0 0000 1010 1001 0100 1101 1110 1111 1110] U2= [0 0111 0101 1100 1100 0000 0101 0100 1000] U3= [1 1100 0111 0000 0100 0010 1010 0100 0110] U4= [1 0011 0110 1001 0110 1000 0000 1011 1001] U5= [0 0001 0111 1011 0001 0001 1100 0110 1000] U6= [1 1111 0101 0110 1100 0000 0101 1001 1001] U7= [1 1010 0010 1111 1000 1001 1001 1101 1101] U8= [0 0101 1010 1000 0110 0010 1100 1100 1100] U9= [1 1111 0001 0111 0110 0011 1010 0011 1101] U10=[1 1110 1001 1101 0101 0000 0101 0110 1010] ;相對應的十進制的實際值 [x1,x2]為： U1=[- 2.687969,5.361653] U2=[0.474101,4.170144] U3=[10.419457,4.661461] U4=[6.159951,4.109598] U5=[- 2.301286,4.477282] U6=[11.788084,4.174346] U7=[9.342067,5.121702] U8=[- 0.330256,4.694977] U9=[11.671267,4.873501] U10=[11.446273,4.171908] ;(4)確定個體評價方法： 對一個染色體數串的適應度評價由下列三個步驟組成： a.將染色體串進行反編碼(解碼)，轉換成真實值。 xk=(x1k,x2k) ，k=1,2,3… b.評價目標函數f(xk)。 c.將目標函數值轉為適應度。對於極大值問題，適應度就等於目標函數值，即 eval(Uk)=f(xk) ，k=1,2,3… ; 在遺傳算法中，評價函數扮演如自然進化中環境的角色，它通過染色體的適應度對其進行評價。上述染色體的適應度值如下： eval(U1)=f(- 2.687969,5.361653)=19.805119 eval(U2)=f(0.474101,4.170144)=17.370896 eval(U3)=f(10.419457,4.661461)=9.590546 eval(U4)=f(6.159951,4.109598)=29.406122 eval(U5)=f(- 2.301286,4.477282)=15.686091 eval(U6)=f(11.788084,4.174346)=11.900541 eval(U7)=f(9.342067,5.121702)=17.958717 eval(U8)=f(- 0.330256,4.694977)=1