智能优化计算-遗传算法.ppt

基本遗传算法智能优化计算湖北民族学院个体选择概率的常用分配方法按比例的适应度分配（proportionalfitnessassignment）某个体i，其适应度为fi，则其被选取的概率Pi为：4.2.4遗传操作——选择个体ff2P12.56.250.1821.01.000.0333.09.000.2641.21.440.0452.14.410.1360.80.640.0272.56.250.1881.31.690.0590.90.810.02101.83.240.09基本遗传算法智能优化计算湖北民族学院个体选择概率的常用分配方法基于排序的适应度分配（rank-basedfitnessassignment）线性排序（byBaker）μ为种群大小，i为个体序号，ηmax代表选择压力。4.2.4遗传操作——选择4.2基本遗传算法智能优化计算湖北民族学院个体选择概率的常用分配方法基于排序的适应度分配（rank-basedfitnessassignment）非线性排序（byMichalewicz）i为个体序号，c为排序第一的个体的选择概率。4.2.4遗传操作——选择基本遗传算法智能优化计算湖北民族学院常用选择方法轮盘赌选择法（roulettewheelselection）4.2.4遗传操作——选择个体1234567891011适应度2.01.81.61.41.21.00.80.60.40.20.1选择概率0.180.160.150.130.110.090.070.060.030.020.0累计概率0.180.340.490.620.730.820.890.950.981.001.00基本遗传算法智能优化计算湖北民族学院常用选择方法随机遍历抽样法（stochasticuniversalsampling）4.2.4遗传操作——选择个体1234567891011适应度2.01.81.61.41.21.00.80.60.40.20.1选择概率0.180.160.150.130.110.090.070.060.030.020.0累计概率0.180.340.490.620.730.820.890.950.981.001.004.2基本遗传算法智能优化计算湖北民族学院常用选择方法局部选择法（localselection）(1)线形邻集4.2.4遗传操作——选择基本遗传算法智能优化计算湖北民族学院常用选择方法局部选择法（localselection）(2)两对角邻集4.2.4遗传操作——选择4.2基本遗传算法智能优化计算湖北民族学院常用选择方法局部选择法（localselection）(2)两对角邻集4.2.4遗传操作——选择基本遗传算法智能优化计算湖北民族学院常用选择方法截断选择法（truncationselection）个体按适应度排列，只有优秀个体能够称为父个体，参数为截断阀值（被选作父个体的百分比）。4.2.4遗传操作——选择截断阀值1％10％20％40％50％80％选择强度2.661.761.20.970.80.34基本遗传算法智能优化计算湖北民族学院常用选择方法锦标赛选择法（tournamentselection）随机从种群中挑选一定数目个体，其中最好的个体作为父个体，此过程重复进行完成个体的选择。4.2.4遗传操作——选择竞赛规模12351030选择强度00.560.851.151.532.04基本遗传算法智能优化计算湖北民族学院实值重组离散重组子个体的每个变量可以按等概率随机地挑选父个体。4.2.5遗传操作——交叉/基因重组父个体112255父个体2123434子个体11234