第7章-遗传算法.pptVIP

改进的复制方法3、选择种子法

该法也称最优串复制法，它保证了最优的个体被选进下一代进化种群。其执行过程如下： ①随机初始化种群N(0)，种群大小为n。 ②计算种群中所有个体适值。 ③对以后的种群N(t)进行如下操作，直至满足条件或达到进化代数。根据个体适值大小随机选出n个个体组成种群N0(t)，并复制一份为N1(t)，对种群N0(t)实施交叉操作，对种群N1(t)实施基因突变，用以防止有效基因丢失。 ④计算种群N0(t)、N1(t)和N(t)的个体适值，从中选出最好的n个个体构成下一代种群N(t＋1)，转至③。

－－－－选择种子法能够保证全局收敛。*改进的复制方法4、确定性复制法

在确定性复制法中，复制的概率按常规计算为： Pi＝fi/∑fi

对个体Ai，其期望的后代数目ei，计算为： ei＝nPi

每一位串个体按ei的整数部分分配后代数，种群的其余部分按顺序表由高到低来填充。*改进的复制方法5、非置换式余数随机复制法

这方法开始也与上述确定性复制法一样，而ei的余数部分按概率来处理。换句话说，个体至少复制与ei整数部分相等的后代，然后以ei的余数部分为概率来复制其余的后代，直至种群的总数达到n。

例如一个具有期望复制值为1.5的个体，它可以复制产生一个后代，并以0.5概率产生另一个后代。试验表明，这种方法优于其它复制方法。*改进的复制方法6、排序法

排序法的基本思想是：

将种群中的个体从好到坏进行排序，按照它们在顺序中的位置而不是按原适值指定复制概率。

通常采用的两种方法为：线性排序和指数排序。*改进的复制方法⑴线性排序

设Pk为种群中排在第k位，个体的复制概率和线性排序取如下形式： Pk=q-(k-1)r 其中：q为最好个体的复制概率。

设q0为最坏个体的复制概率，则参数r按下式确定：

r=(q-q0)/(n-1) 其中的个体按其位置成比例地从q减到q0。⑵指数排序

它取如下形式：Pk=qk-1 其中：q一般约为0.99，最好的个体的标定适值接近1，而最坏的个体为qn-1。6、排序法*多点交叉运算鲁棒性：健壮和强壮的意思。是指控制系统在一定（结构、大小）的参数影响下，还能够维持某些性能的特性。为改善遗传算法的“鲁棒性”，在复制、交叉和变异等基本运算的基础上，再考虑多点交叉运算。多点交叉运算是在个体级别上的运算。交叉运算的目的是把个体中性能优良的欲交叉的两个位串，遗传到下一代某个个体中，使之具有父辈个体的优良性能。但是，在某些情况下，一点交叉运算无法达到这个目的。例如。。。。。。*多点交叉运算例如：设有两个父辈个体A1和A2：

A1：10110001100 (含模式1*1和**0)

A2：00101101001(含模式1*1和1**1) 设A1含有性能优良的模式1*1及**0；

A2中含有性能优良的模式1*1及1**1。

若对A1和A2进行一点交叉运算，则无论交叉点选在何处，都可能使这些优良模式由于交叉运算而被分割或丢弃，不能遗传到下一代。

而采用二点交叉就可以避免这个问题。

设。。。。。。*多点交叉运算 。。。。。。 设两个交叉点选择如下：?A1：1011┇0001┇100A2：0010┇1101┇001 则二点交叉运算就是交换A1和A2二个交叉点之间的部分，得到两个子辈个体A’1及A’2如下：A’1：1011┇1101┇100A’2：0010┇0001┇001 可见，子辈个体A’1中继承了父辈个体中性能优良的模式。从这个例子也可以看到多点交叉的优越性。*多点交叉运算另外一种多点交叉运算的方法为一致性交叉在该方法中，选择两个父辈个体并产生两个子辈个体。按照随机产生的模板，随机地决定对父辈个体中的哪一位进行交换。下面是一个交叉的例子。。。。。。*多点交叉运算 下面是一个交叉的例子：?A1～父辈1A2～父辈2 模板 模板为1的各位，父辈个体之间不进行交换； 模板为0的各位，父辈个体之间进行交换，于是产生两个新的子辈：A’1～子辈1A’2～子辈2*多点交叉运算虽然多点交叉能解决上述单点不能解决的问题，但使用时必须小心。经验表明，随着交叉点Nc的增加，遗传算法的性能会变坏。其理由是，随着Nc增大，多点交叉象随机洗牌一样，使优秀的模式在减少。高级遗传算法基本流程之一①种群初始化，随机生成N个参数集的位串。②采用伪随机二进制序列（PRBS）作为输入样本，系统实际输出为y(k)。③按适