遗传算法综述及简单应用实例及Matlab程序.pptVIP

遗传算法的应用*罚函数法评价函数的构造：加法乘法4.4.1解决带约束的函数优化问题12遗传算法的应用*罚函数法1罚函数分类：2定量惩罚——简单约束问题3变量惩罚——复杂约束问题，包含两个部分：可变惩罚率和违反约束的惩罚量。44.4.1解决带约束的函数优化问题5违反约束程度——随违反约束程度变得严重而增加惩罚压力，静态惩罚；6进化迭代次数——随着进化过程的进展而增加惩罚压力，动态惩罚。7基本遗传算法*模式阶和定义距模式H中确定位置的个数称为模式H的模式阶，记作O(H)，如O(011*1*)=4。模式阶用来反映不同模式间确定性的差异，模式阶越高，模式的确定性就越高，所匹配的样本个数就越少。4.2.8模式定理12基本遗传算法*模式阶和定义距模式H中第一个确定位置和最后一个确定位置之间的距离称为模式的定义距，记作δ(H)，如δ(011*1**)=4。阶数相同的模式会有不同的性质，定义距就反映了这种性质的差异。4.2.8模式定理基本遗传算法*模式定理（schematheorem）在给定时间步t,一个特定模式H有m个代表串包含在种群A(t)中，记为m=m(H,t)，在再生阶段，每个串根据它的适应值进行复制，一个串Ai的再生概率为4.2.8模式定理基本遗传算法*模式定理（schematheorem）当采用非重叠的n个串的种群替代种群A(t)，可以得到：其中f(H)是在时间t，模式H的串的平均适应度；而整个种群的平均适应度为4.2.8模式定理124.2基本遗传算法*4.2.8模式定理模式定理（schematheorem）假设从t=0开始，某一特定模式适应度值保持在种群平均适应度以上一个cf（c为一常数），则模式的选择生长方程为在种群平均值以上（以下）的模式将按指数增长（衰减）的方式复制。基本遗传算法*模式定理（schematheorem）考虑交叉操作，模式H被破坏的概率为δ(H)/(l-1)，模式H生存概率为1-δ(H)/(l-1)，若交叉操作发生的概率为pc，因此对于模式H的生存概率计算为：同时考虑选择、交叉操作对模式的影响，可得：4.2.8模式定理H1=*1****0H2=***10*0基本遗传算法*模式定理（schematheorem）考虑变异操作，单个等位基因存活的概率为1-pm，当模式H中O(H)个确定位都存活时，模式H才被保留，存活概率为：同时考虑选择、交叉和变异操作对模式的影响，可得：4.2.8模式定理H1=*1****0H2=***10*0基本遗传算法*模式定理（schematheorem）模式定理：在遗传算子选择、交叉、变异的作用下，具有低阶、短定义距以及平均适应度高于种群平均适应度的模式在子代中呈指数增长。具有低阶、短定义距以及平均适应度高于种群平均适应度的模式被定义为积木块。014.2.8模式定理02基本遗传算法*积木块假设（buildingblockhypothesis）遗传算法通过短定义距、低阶以及高平均适应度的模式（积木块），在遗传操作作用下相互结合，最终接近全局最优解。4.2.8模式定理遗传算法的改进CHC算法自适应遗传算法基于小生境技术的遗传算法遗传算法的应用解决带约束的函数优化问题解决多目标优化问题解决组合优化问题遗传算法在过程建模中的应用遗传算法在模式识别中的应用?改进的途径遗传算法的改进*01.改变遗传算法的组成成分；02.采用混合遗传算法；03.采用动态自适应技术；04.采用非标准的遗传操作算子；05.采用并行遗传算法等。遗传算法的改进*改进思路1991年Eshelman提出的一种改进遗传算法；C：跨世代精英选择（Crossgenerationalelitistselection）策略；H：异物种重组（Heterogeneousrecombination）；C：大变异（Cataclysmicmutation）。4.3.1CHC算法遗传算法的改进*选择（C：跨世代精英选择）上一代种群与通过新的交叉方法产生的个体