遗传算法的基本原理.docxVIP

遗传算法的基本原理和方法一、编码编码 ：把一个问题的可行解从其解空间转换到遗传算法的搜寻空间的转换方法；解码（译码）： 遗传算法解空间向问题空间的转换；汉明悬崖（ Hamming Cliff ）， 就是在某些相邻整数的二进制代码之间有很大的汉明距二进制编码的缺点是离，使得遗传算法的交叉和突变都难以跨过；格雷码（ 遗传算法的基本原理和方法 一、编码 编码 ：把一个问题的可行解从其解空间转换到遗传算法的搜寻空间的转换方法； 解码（译码）： 遗传算法解空间向问题空间的转换； 汉明悬崖（ Hamming Cliff ）， 就是在某些相邻整数的二进制代码之间有很大的汉明距 二进制编码的缺点是 离，使得遗传算法的交叉和突变都难以跨过； 格雷码（ Gray Code）： 在相邻整数之间汉明距离都为 1； （较好） 有意义的积木块编码规章 ：所定编码应当易于生成与所求问题相关的短距和低阶的积木块；最小 字符集编码规章，所定编码应采纳最小字符集以使问题得到自然的表示或描述； 二进制编码比十进制编码搜寻才能强，但不能保持群体稳固性； 动态参数编码 （Dynamic Paremeter Coding ）：为了得到很高的精度， 让遗传算法从很粗糙的精度开头收敛， 当遗传算法找到一个区域后，就将搜寻现在在这个区域，重新编码，重新启动，重复这一过程，直到达到 要求的精度为止； 编码方法 ： 1、二进制编码方法缺点：存在着连续函数离散化时的映射误差；不能直接反映出所求问题的本身结构特点，不便于开发针对问题的特地学问的遗传运算算子，很难满意积木块编码原就2、格雷码编码：连续的两个整数所对应的编码之间仅仅只有一个码位是不同的，其余码位都相同；3、 1、 二进制编码方法 缺点：存在着连续函数离散化时的映射误差；不能直接反映出所求问题的本身结构特点，不便于开发针对 问题的特地学问的遗传运算算子，很难满意积木块编码原就 2、 格雷码编码：连续的两个整数所对应的编码之间仅仅只有一个码位是不同的，其余码位都相同； 3、 浮点数编码方法：个体的每个基因值用某一范畴内的某个浮点数来表示，个体的编码长度等于其决策 变量的位数； 4、 各参数级联编码：对含有多个变量的个体进行编码的方法；通常将各个参数分别以某种编码方法进行 编码，然后再将他们的编码依据肯定次序连接在一起就组成了表示全部参数的个体编码； 5、 多参数交叉编码： 将各个参数中起主要作用的码位集中在一起， 这样它们就不易于被遗传算子破坏掉； 评估编码的三个规范：完备性、健全性、非冗余性； 二、挑选 遗传算法中的挑选操作就是用来确定如何从父代群体中按某种方法选取那些个体遗传到下一代群体中的一 种遗传运算，用来确定重组或交叉个体，以及被选个体将产生多少个子代个体； 常用的挑选算子： 1、 轮盘赌挑选（ Roulette Wheel Selection ）：是一种回放式随机采样方法；每个个体进入下一代的概率等 于它的适应度值与整个种群中个体适应度值和的比例；挑选误差较大； 2、随机竞争挑选（ Stochastic Tournament）：每次按轮盘赌挑选一对个体，然后让这两个个体进行竞争，适应度高的被选中，如此反复，直到选满为止；3、正确保留挑选：第一按轮盘赌挑选方法执行遗传算法的挑选操作，然后将当前群体中适应度最高的个体结构完整地复制到下一代群体中；4、Excepted Value Selection ）：依据每个个体在下一代群体中的生存无回放随机挑选（也叫期望值挑选期望来进行随机挑选 2、 随机竞争挑选（ Stochastic Tournament）：每次按轮盘赌挑选一对个体，然后让这两个个体进行竞争， 适应度高的被选中，如此反复，直到选满为止； 3、 正确保留挑选：第一按轮盘赌挑选方法执行遗传算法的挑选操作，然后将当前群体中适应度最高的个 体结构完整地复制到下一代群体中； 4、 Excepted Value Selection ）：依据每个个体在下一代群体中的生存 无回放随机挑选（也叫期望值挑选 期望来进行随机挑选运算；方法如下 （1） N； 运算群体中每个个体在下一代群体中的生存期望数目 （2） 0.5，如某一个体未被选 如某一个体被选中参加交叉运算，就它在下一代中的生存期望数目减去 1.0； 中参加交叉运算，就它在下一代中的生存期望数目减去 （3） 0 时，就该个体就不再有机会被选中； 随着挑选过程的进行，如某一个体的生存期望数目小于 5、 确定式挑选：依据一种确定的方式来进行挑选操作；详细操作过程如下： （1） N； 运算群体中各个个体在下一代群体中的期望生存数目 （2） 用 N 的整数部分确定各个对应个体在下一代群体中的生存数目； （3） 用 N 的小数部分对个体进行降序排列，次序取前 M 个个体加入到下一