人工智能原理及MATLAB实现 课件 第5章 计算智能.pptx

第五章计算智能

第五章计算智能5.1进化算法定义进化计算（EvolutionaryAlgorithm，EA）是通过模仿自然界生物基因遗传与种群进化的过程和机制，而产生的一种群体导向随机有哪些信誉好的足球投注网站技术和方法。进化算法是一种模拟自然选择和遗传学机制的优化算法，包括遗传算法、遗传规划、进化策略和进行规划等。

第五章计算智能5.1进化算法5.1.1遗传算法遗传算法（GeneticAlgorithms，GA）的基本思想是基于达尔文（Darwin）的进化论和孟德尔（Mendel）的遗传学说。20世纪70年代初，美国Michigen大学的约翰·霍兰德（JohnHolland）教授受到达尔文进化论的启发，用数码串来类比生物中的染色个体，通过选择、交叉、变异等遗传算子来仿真生物的基本进化过程，利用适应度函数来表示染色体所蕴涵问题解的质量的优劣，通过种群的不断“更新换代”，从而提高种群的平均适应度，通过适应度函数引导种群的进化方向，并在此基础上，使得最优个体所代表的问题解逼近问题的全局最优解。

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.1遗传算法的基本原理1．编码与解码将问题变换为位串形式编码表示的过程称为编码；相反地，将位串形式编码表示变换为原问题结构的过程称为解码或码。把位串形式编码表示称为染色体或个体。编码的方法影响到遗传算子的计算方法。常用的编码方法有以下4种：（1）二进制编码。它是遗传算法编码中最常用的方法。（2）符号编码。（3）浮点数编码，也称为真值编码方法。（4）格雷编码。

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.1遗传算法的基本原理2.适应度函数为了体现个体的适应能力，引入了对问题中的每一个个体都能进行量度的函数，即适应度函数。适应度函数表明个体或解的优劣性。常见的几种适应度函数变换方法：（1）线性变换：f(Z)=aZ+b（2）幂变换：f(Z)=Za（3）指数变换：f(Z)=exp(－βZ)对于有约束条件的极值，其适应度可用罚函数方法处理。

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.1遗传算法的基本原理3.遗传算子遗传算子就是遗传算法中进化的规则。基本遗传算法的遗传算子主要有选择算子、交叉算子和变异算子。（1）选择算子。也称复制算子，是GA的关键。常用选择算子的操作方法有赌轮选择方法、排序选择法、最优保存策略。（2）交叉算子。交叉算子体现了自然界信息交换的思想，其作用是将原有群体的优良基因遗传给下一代，并生成包含更复杂结构的新个体。交叉算子有一点交叉、二点交叉、多点交叉和一致交叉等。（3）变异算子。变异算子是遗传算法中保持物种多样性的一个重要途径，它模拟了生物进化过程中的偶然基因突变现象。

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.2遗传算法的求解步骤1.对问题进行编码；2.定义适应度函数后，生成初始化群体；3.对于得到的群体进行选择复制，交叉，变异操作，生成下一代种群；4.判断算法是否满足停止准则。若不满足，则从步骤③起重复；5.算法结束，获得最优解。流程图

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.3算法控制参数的选择1.对问题进行编码；2.定义适应度函数后，生成初始化群体；3.对于得到的群体进行选择复制，交叉，变异操作，生成下一代种群；4.判断算法是否满足停止准则。若不满足，则从步骤③起重复；5.算法结束，获得最优解。

第五章计算智能5.1进化算法5.1.1遗传算法5.1.1.4遗传算法的特点编码性4.多解性和全局优性自适应性5.不确定性隐含并行性6.智能性

第五章计算智能5.1进化算法5.1.2进化策略20世纪60年代，德国柏林大学的因戈·雷切伯格（I.Rechenberg）和施韦费尔（H.P.Schwefel）等在进行风洞试验时，研究发展形成了进化策略方法。进化策略以其简单、通用、鲁棒性和适应性而闻名，在确定了编码方案、适应度函数及遗传算法以后，算法将根据“适者生存，不适者淘汰”的策略，利用进化中获得的信息自行组织有哪些信誉好的足球投注网站，从而不断地向最佳方向逼近。

第五章计算智能5.1进化算法5.1.2进化策略算法基本流程

第五章计算智能5.2模糊计算1965年，美国控制论专家拉特飞·扎德（L.A.Zadeh）把模糊性和数学统一起来，提出了模糊集合理论与模糊逻辑，它采用精确的方法、公式和模型来度量和处理模糊、信息不完整或不太正确的现象与规律。

第五章计算智能5.2模糊计算5.2.1模糊系统理论基础模糊系统是建立在自然语言基础上的。在自然语言中常采用一些模糊概念如“大约”、“左右”、“温度偏