(遗传算法.pptVIP

遗传算法的基本思想是： 从一组解的初值开始进行有哪些信誉好的足球投注网站，这组解称为一个种群，种群由一定数量、通过基因编码的个体组成，其中每一个个体称为染色体。不同个体通过染色体的复制、交叉和变异又生成新的个体，依照适者生存的规则，个体也在一代一代进化，通过若干代的进化最终得出条件最优的个体。 二、遗传算法的基本迭代步骤 基本遗传算法可用于解决求一般参数优化问题的全局最优解，即求解 四 遗传算法的matlab求解 详见附件文件： Ga.m 主程序 Best.m %求群体中最大适应值 Calfitvalue.m %计算个体的适应值 Calobjvalue.m %实现目标函数的计算 Crossover.m %实现交叉 Decodebinary.m %产生行向量并求和 Decodechrom.m %将二进制数转化为十进制数 Initpop.m %初始化 Mutation.m %变异 Selection.m %选择复制 五 遗传算法的特点与发展 作者 安徽大学 曹道友 摘要：使用改进的交叉算子可以加快遗传算法的收敛速度，从而缩短了寻找最优解的时间。使用文中改进的变异算子可以增强遗传算法跳出局部收敛的力，同时在一定程度上对于遗传算法的收敛速度与最优解能够产生较大的影响。实验证明，这三种改进算子结合能以较快的速度收敛于全局最优解，因此能够较好的解几决遗传算法中收敛速度与局部最优解之间的矛盾。 丁建立 陈增强 袁著祉 摘 要：遗传算法具有快速随机的全局有哪些信誉好的足球投注网站能力, 但对于系统中的反馈信息利用却无能为力, 当求解到一定范围时往往做大量无为的冗余迭代, 求精确解效率低。蚂蚁算法是通过信息素的累积和更新收敛于最优路径上, 具有分布式并行全局有哪些信誉好的足球投注网站能力。但初期信息素匮乏, 求解速度慢。算法是将遗传算法与蚂蚁算法融合, 采用遗传算法生成信息素分布, 利用蚂蚁算法求精确解, 优势互补。仿真表明取得了非常好的效果。 * * 遗传算法 一 基本概念 二 基本遗传算法 三 遗传算法应用举例 四 遗传算法的MATLAB求解 五 遗传算法的特点与发展 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 一、 基本概念 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 　 　 个体与种群 个体就是模拟生物个体而对问题中的对象 （一般就是问题的解）的一种称呼，一个个 体也就是有哪些信誉好的足球投注网站空间中的一个点。 种群(population)就是模拟生物种群而由若 干个体组成的群体, 它一般是整个有哪些信誉好的足球投注网站空间 的一个很小的子集。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 其寻优过程如下： (1)编码 对优化问题解空间中可行解（个体）进行编码，也就是要将解空间的设计变量转换为遗传算法中的基因型数据结构，通常用一个固定长度的二进制位串来进行编码，形成遗传算法中的染色体，这种编码方式简单，易于计算机上编程实现． 在进行二进制编码时，首先要确定二进制编码串的长度． 依赖于变量的定义域以及问题所要求的精度．例如，若变量的定义域为[0,10]而问题的精度要求为10-6，要确定编码串的长度．首先要把分割成10,000,000个等长区间，每个区间采用一个二进制编码来表示，而223=8,388,608，224=16,777,216，因此至少需要编码串长度为24．这样对应于 [0,10]区域精度范围内的每个值都可用一个24位编码串个体来表示，其转换过程如下 当优化问题属于多维优化问题时，可先对各个变量分别进行编码，然后将它们合并成一个长串．在解码时，再对各个变量分别进行解码即可． Evaluation only. Created with Aspose.Slides