第6章 遗传与进化智能体.pptxVIP

第6章遗传与进化智能体主讲：赵春晓

6.1遗传算法简述6.2遗传算法的基本实现技术6.3餐厨垃圾收运路线优化第6章遗传与进化智能体

6.1遗传算法简述6.1.1遗传算法的发展历程 6.1.2遗传算法的基本流程 6.1.3遗传算法应用

1975年，约翰·霍兰德出版了《自然系统和人工系统的自适应性》一书，这同时也是当时第一本对遗传算法和人工自适应系统进行系统论述的书籍。在二十世纪八十年代，约翰·霍兰德教授经过研究又实现了第一个基于遗传算法的机器学习系统——分类器系统（ClassifierSystems，简称CS)，这也预示着开创了基于遗传算法的机器学习的新概念，同时也为分类器系统构造出了一个相对比较完整的框架。6.1.1遗传算法的发展历程

自1985年在美国卡耐基?卡梅隆大学召开的第一届国际遗传算法会议（InternationalConferenceonGeneticAlgorithms：IGGA’85)，到1997年5月IEEE（InstituteofElectricalandElectronicsEngineers)的TransactionsonEvolutionaryComputation创刊，遗传算法具有适应性和学习性的高性能计算、系统优化和建模方法的研究逐渐走向成熟。6.1.1遗传算法的发展历程

遗传算法的特点之一就是:在整个进化的过程之中，遗传操作本身是带有随机性的。但与此同时，我们应该注意到，在操作过程中它表现出的特点是不执行一个完全随机有哪些信誉好的足球投注网站，而是要充分利用过去的遗传信息在下一代上的优势所需的设定推测。根据这样的一代的不断演进，并最终收敛于个体与环境适应性程度最高，获得该问题的最优解。遗传算法通常包括参数编码、适应度函数、初始组、选择算子、交叉算子和变异操作六个部分。6.1.2遗传算法的基本流程

标准的遗传算法伪代码。*Pc：交叉发生的概率*Pm：变异发生的概率*M：种群规模*G：终止进化的代数*Tf：进化产生的任何一个个体的适应度函数超过Tf，则可以终止进化过程初始化Pm，Pc，M，G，Tf等参数。随机产生第一代种群Popdo{计算种群Pop中每一个体的适应度F(i)。初始化空种群newPopdo{根据适应度以比例选择算法从种群Pop中选出2个个体if(random(0,1)Pc){对2个个体按交叉概率Pc执行交叉操作}if(random(0,1)Pm){对2个个体按变异概率Pm执行变异操作}将2个新个体加入种群newPop中}until(M个子代被创建)用newPop取代Pop}until(任何染色体得分超过Tf，或繁殖代数超过G)6.1.2遗传算法的基本流程

遗传算法提供了一种求解复杂系统优化问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以广泛应用于很多学科。以下是遗传算法的一些主要应用领域:（1）函数的优化。（2)组合的优化问题。（3)自动控制问题。（4)生产调度问题。（5)图像处理问题。（6)机器人问题。（7）机器学习问题。（8)人工生命问题。（9)遗传编程问题。6.1.3遗传算法应用

6.1遗传算法简述6.2遗传算法的基本实现技术6.3餐厨垃圾收运路线优化第6章遗传与进化智能体

6.2遗传算法的基本实现技术6.2.1参数编码方式 6.2.2适应度函数 6.2.3遗传算子

在遗传算法的实际运行中，不能对所研究问题的决策变量进行直接的运算和操作，而是只能对表示可行解的个体对应的编码实施选择、变异和交叉等遗传算子。在应用遗传算法时首先要解决的问题就是编码，也是遗传算法设计中一个关键的步骤。编码方法不仅决定了个体染色体的排列形式，还同时决定个体从有哪些信誉好的足球投注网站空间的基因型变换到解空间的表现型时的解码方法。6.2.1参数编码方式

编码方法可分为三个大类:二进制编码、浮点数编码、符号编码。二进制编码是一种常用的编码方法。所使用的编码符号是二进制符号0和1，它构成了个体染色体基因是二进制编码的符号串。符号串的长度关系到研究问题所需的解决方案的精度。二进制编码方法都有自己的优点。首先，编码和解码操作是简单可行的。其次，交叉和变异算子的遗传操作很容易实现。第三，它是用最小的字符编码原则设置的。6.2.1参数编码方式

编码方法可分为三个大类:二进制编码、浮点数编码、符号编码。二进制编码是一种常用的编码方法。所使用