【正式版】遗传算法基本原理课件.pptVIP

遗传算法基本原理;

;4.1.1标准遗传算法流程：

1．编码

2．初始群体的生成

3．适应度评估检测

4．WHILE未满足迭代终止条件DO

1.??????选择

2.??????交叉

3.??????变异

4.??????适应度评估检测

5．ENDDO;选择;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1遗传算法的基本描述;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;混合遗传算法的基本构成原则

二、交叉（Crossover）算子

3．基于共享(sharing)机制的小生境技术（Goldberg和Richardson，1987年）

模式H4=****0表示函数解空间的空白区域（偶数位串）

显然，该值越小说明相应GA的有哪些信誉好的足球投注网站效率越高。

一致交叉即染色体位串上的每一位按相同概率进行随机均匀交叉。

2．1模式与模式空间

遗传模拟退火算法是将遗传算法与模拟退火算法相结合而构成的一种优化算法。

一、选择（selection）算子

一、选择（selection）算子

(1)尽量采用原有算法的编码。

如果包含这一模式的所有位串都具有较好的适应度，则该模式可能是一个重要的模式。;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.6遗传算子;4.1.7迭代终止条件;4.1.8控制参数;4.1.8控制参数;4.1.8控制参数;4.1.9GA的性能评估;4.1.9GA的性能评估;4.1.9GA的性能评估;4.1.9GA的性能评估;4.1.9GA的性能评估;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;Goldberg将模式称为“超平面”（hyperplane），指出了模式在编码空间上的几何意义，模式包含的位串是编码空间相应超平面上的点。;模式H1=1****表示函数解空间的右半区域

模式H2=0****表示函数解空间的左半区域;模式H3=****1表示函数解空间的阴影区域（奇数位串）

模式H4=****0表示函数解空间的空白区域（偶数位串）;模式H1=1****表示函数解空间的右半区域

一个个体的共享度等于该个体与群体内的各个其它个体之间的共享函数值的总和。

该指标是指发现同样适应性的个体，或者找到同样质量的可行解，所需要的关于个体评价的适应值函数的计算次数（functionevaluations）。

生物总是倾向于与自己特征、性状相类似的生物(同类)生活在一起，一般总是与同类交配繁衍后代。

模式定理：在遗传算子选择、交叉、变异的作用下，那些低阶、定义距短的、超过群体平均适应度值的模式的生存数量，将随着迭代次数的增加以指数规律增长。

模式H5=***1*表示函数解空间的阴影区域

2．1模式与模式空间

3）交叉概率Pc：交叉概率控制着交叉算子的应用频率，在每一代新的群体中，需要对Pc×n个个体的染色体结构进行交叉操作。

2遗传算法的模式理论

换位操作首先在个体位串上随机地选择两个基因，将这两个基因的位置互换，形成新的个体位串。

⑥个体模拟退火操作：P’’’(t)=SimulatedAnnealing[P’’(t)]

①进化代数计数器初始化：t=0;

四、换位（SwapOperator）算子

该指标是指发现同样适应性的个体，或者找到同样质量的可行解，所需要的关于个体评价的适应值函数的计算次数（functionevaluations）。

Holland将稳态选择方法应用于分类器规则学习中，最大程度继承已获得的规则，实现增量学习。

目标函数映射成适应度函数;模式H7=10***的表示域，代表了1/4的解空间;模式H8=**1*1的表示域，代表了1/4的解空间;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的模式理论;4.2遗传算法的