改进遗传算法.pptxVIP

遗传算法的改进;遗传算法存在的问题;遗传算法改进方法;人工智能及其应用;1.编码方法;2.实数编码 对于染色体X=（x1,x2,…，xi,…,xn）,1≤i≤n, ，则称该染色体为实数编码。实数编码具有精度高、便于大空间有哪些信誉好的足球投注网站、运算简单的特点，特别适合于实优化问题，但是反应不出基因的特征。 3.整数编码 对于染色体X=（x1,x2,…，xi,…,xn）,1≤i≤ni, ni 为第i位基因的最大取值，则称染色体为整数编码。显然不同位置上的基因取值可以不同。整数编码可以适应于新产品投入、时间优化和伙伴挑选等问题。 ;2.不合法编码的修复;1. 顺序编码的修复 顺序编码的合法性修复策略主要包括： 交叉修复策略 部分映射交叉 顺序交叉 循环交叉 变异修复策略 换位变异 移位变异;交叉修复策略之部分映射交叉 部分映射交叉主要用于解决双切点交叉引起的非法性。可以解决子代的基因重复和部分基因的丢失问题，保证基因的多样性。 其主要步骤为： 选则切点Ｘ，Ｙ 交换中间部分 确定映射关系 将未交换部分按映射关系恢复合法性;交叉修复策略之顺序交叉 顺序交叉是部分映射交叉的变形，相当于使用了不同的映射关系。其可以较好的保留相邻关系、先后关系，但是不能保留位值特征，可以用来解决旅行商之类的拓扑问题。 旅行商问题 在寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本;顺序交叉的步骤如下： 选则切点Ｘ，Ｙ 交换中间部分 从第二个切点Ｙ后的第一个基因开始分别列出两个原来染色体的基因顺序，直到列完 划掉各自交换部分的基因 按划掉后的相对顺序从Ｙ后开始补齐原来的染色体的基因;交叉修复策略之循环交叉 循环交叉的基本思想是子串位置上的值必须与父母相同位置上的值相一致。简单来说，就是父母代在进行交叉运算时按某种方式交换某些相同位置的基因，其余位置的基因不变，组成子代。这种交叉方式适合于解决指派问题。 在满足特定指派要求条件下，使指派方案总体效果最佳。 其修复策略较麻烦，需要时可以查找文献，大家需要记住的是：循环交叉是用来解决指派这一类的问??的;2.变异修复策略 简单的二进制变异时候只需要把０变成１，１变成０，而顺序编码的变异策略不能这样进行，一般由下面两种策略： 换位变异 换位变异是随机在染色体上选则两个基因，交换它们的基因值 移位变异 移位变异是任意选则一个基因，将其移到最前面。;3.实数编码的合法性修复之凸组合交叉 实数编码的交叉操作（单切点交叉、双切点交叉）通常不会改变其合法性问题。但是，有时会导致解码后的值超出可行域。针对这样的问题，产生了凸组合交叉。简单来说，就是直接引用凸集理论，将父母两个染色体对应的看成两个点，其子代只能位于这两个点的连线上。 如：有双亲 P1=（x1,x2,x3,···，xn） P2=（y1,y2,x3,···，yn）;则可以产生的两个后代是： C1=aP1+(1-a)P2 C2=(1-a)P1+aP2 这里，a要保证大于0且小于1. 这样做的不好处是导致种群的基因向中间汇聚，导致基因的分散性不好，逐步丢失很多基因。这是与基因的多样性相违背。 ;4.实数编码的合法性修复之变异 不同于二进制编码，实数编码的变异可以是任意的，通常有如下两种变异方法： 位值变异 向梯度方向变异 位值变异是随机选取染色体上某一位基因，在其上加上一个变异补补偿D，通常便已步长是按一定规律产生的呈一定分布规律的随机数;向梯度方向的变异较好的考虑了问题本身的性质，效率比较高 简单来说，就是把某个染色体看成一个具有n个分量的点，然后求目标函数在这个点处的梯度 对于最大化问题，就是染色体本身加上这个点处的梯度乘以一个随机数（0到1之间） 对于最小化问题，就是染色体本身加上这个点处的负梯度乘以一个随机数（0到1之间） ;3.适值函数的标定; 因为5个个体的适应值相差不大，选中概率基本上在0.2左右，概率差别很小，即选择压力小，这将导致遗传算法的选优功能被弱化。所以要对目标函数进行标定，来调节选择压力。 可以进行如下标定：F=f -1000，这时标定后的染色体被选中的概率差别大幅度增加，即选择压力增大了，通过以上分析可以看到，适值函数的标定可以调节选择压力的大小，而通过调节选择压力的大小能够实现遗传算法中局部有哪些信誉好的足球投注网站和广域有哪些信誉好的足球投注网站的调节。;一般来说，遗传算法在开始时应该注重广域有哪些信誉好的足球投注网站，通过使用较小的选择压力来实现，随着迭代的进行，逐步偏重于局部有哪些信誉好的足球投注网站，通过使用较大的选择压力来实现 ;2.适值得标定方法 线性标定 动态线性标定 幂律标定 对数标定 指数标定;线性标定 标定方法：F=af+b 其中，f为目标函数，F为标定后的适值