复件 第7章 遗传算法.pptVIP

第7章 遗传算法 7.1 遗传算法简介 7.2 基本遗传算法 7.3 函数优化 7.4 旅行商问题 7.1 遗传算法简介 7.1.1 遗传算法的起源 自然界所提供的答案是经过漫长的自适应——遗传过程获得的结果。 我们也可以利用这一过程本身去解决一些复杂的问题。 遗传算法的研究主要集中在以下几个方面：函数优化、组合优化生产调度、自动控制、机器人学、图像处理、人工生命、演化编程和机器学习。 7.1.2 设计遗传算法的基本原则 适应性原则 可靠性原则 收敛性原则 稳定性原则 生物类比原则 7.1.3 设计遗传算法的基本步骤 确定编码方案 选择何种编码表示有时对算法的性能、效率等产生很大的影响。 确定适应函数 解的适应值是演化过程中进行选择的唯一依据。 选择策略的确定 优胜劣汰的选择机制使得适应值大的解有较高的存活率，这是遗传算法与一般有哪些信誉好的足球投注网站算法的主要区别之一。 控制参数的选取 遗传算子的设计 主要包括繁殖、杂交、变异以及其它高级操作。 7.1.3 设计遗传算法的基本步骤 procedure genetic program begin initialize //种群初始化 evaluate //评价种群 while ( not termination-condition) do begin select from //选择个体到下一种群 alter //对种群进行遗传操作 evaluate end end 7.1.4 遗传算法的主要特点 智能性 遗传算法具有自组织、自适应和自学习等特性。 灵活的个体编码 灵活的个体编码使遗传算法可直接对结构对象进行描述和操作。 多点有哪些信誉好的足球投注网站能力 遗传算法是同时对多个解进行处理、评估，并行地爬多个峰。这一特点使遗传算法具有较好的全局有哪些信誉好的足球投注网站能力，减少了陷于局部优解的风险。 7.1.4 遗传算法的主要特点 并行性 遗传算法是内在并行的。演化计算适合在并行机或分布式系统中做大规模的并行处理。 遗传算法是内含并行性的。由于遗传算法采用种群的方式组织有哪些信誉好的足球投注网站，从而可同时有哪些信誉好的足球投注网站空间内的多个区域，并相互交流信息 . 7.1.5 遗传算法的研究内容和应用前景 算法的理论模型研究 优化求解方法的研究 学习系统的遗传算法研究 新的进化模型 遗传算法的并行分布式处理 遗传算法的应用系统 演化硬件 7.2 基本遗传算法 7.2.1 编码表示 位串编码 二进制编码即是将原问题的解空间映射到位串空间 上，然后在位串空间上进行遗传操作。 优点 算法易于用生物遗传理论来解释并使得遗传操作（如杂交、变异等）很容易实现 采用二进制编码时，算法处理的模式数最多 缺点 相邻整数的二进制编码可能具有较大的Hamming距离 二进制编码时，一般要先给出求解的精度以确定串长 在求解高维优化问题时，二进制编码串将非常之长 7.2.1 编码表示 实数编码 对于问题的变量是实向量的情形，可以直接采用实进制进行编码。这样，便可直接在解的表现型上进行遗传操作。从而便于引入与问题领域相关的启发信息以增加遗传算法的有哪些信誉好的足球投注网站能力。 有序串编码 目标函数的值不仅与表示解的字符串中各字符的值有关，而且与其所在字符串的位置有关。这样的问题称为有序问题。 需要针对具体问题专门设计有效且能保证后代合法的遗传算子。 这类编码方案较多地使用在组合优化问题之中。 7.2.1 编码表示 结构式编码 将问题的解表示树或图的形式的编码称为结构式编码。 因为遗传算子是直接在解的表现型上进行操作，这样使得我们比较容易加入与领域有关的知识和一些启发式的信息。 7.2.2 适应性的度量 个体的适应值即是它繁殖的能力，它将直接关系到其后代的数量，在遗传算法中，适应函数是用来区分群体中个体好坏的标准，是算法演化过程的驱动力，同时也是进行自然选择的唯一依据。 原始适应函数 原始适应函数是问题求解目标的直接表示，通常采用问题的目标函数作为个体的适应度量 。 定义原始适应函数的方法可能不止一种，选择时要尽