第讲遗传算法.pptVIP

第7讲 智能优化算法—遗传算法（7.1) 智能优化算法简介 遗传算法简介 基本遗传算法 改进的遗传算法 遗传算法软件计算 智能优化算法简介 一、 传统优化算法的步骤及局限性 1 步骤： （1）选择一个初始解， （2）向改进方向移动判断停止准则是否满足，若 满足停止，否则转下一步。 （3）向改进方向移动，得新的解，转回第2步。 2 局限性： （1）单点运算方式限制了计算效率的提高 （2）向改进方向移动限制了跳出局部最优的能力 （3）停止条件仅是局部最优的条件 （4）对目标函数，约束条件的要求限制了算法的应用 智能优化算法简介 二、智能优化算法的产生与发展 1 最优化方法的新的需求 （1）对目标函数，约束函数的要求更为宽松 （2）计算效率比理论上的最优性更重要 （3）算法随时终止都能得到较好的解 （4）对优化模型中数据质量要求更加宽松。 2 智能算法及代表人物 1975年，Holland提出遗传算法(Genetic Algorithms) 1977年，Glover提出禁忌算法(Tabu Search) 1983年，Kirkpatrick提出模拟退火算法 （Simulated Annealing） 90年代初，Dorigo提出蚁群算法 (Ant Colony Optimization) 1995年，Kennedy,Eberhart提出的粒子群算法(Particle Swarm) 1999年，Linhares 提出的捕食有哪些信誉好的足球投注网站(Predatory Search) 智能优化算法简介 三、如何学习研究智能优化算法 1 应用智能优化方法解决各类问题是重点 2 智能算法的改进有很大的空间 3 多种算法结合是一种很好的途径 4 不提倡刻意追求理论成果 5 算法性能的测试是一项要下真功夫的工作 6 创造出新算法 遗传算法简介 一、遗传算法原理（ 7.1.1） 遗传算法是根据问题的目标函数构造的 一个适值函数，对一个由多个解（每个解对 应一个染色体）构成的种群进行评估、遗传 运算、经多代繁殖，获得适应值最好的个体 作为问题的最优解。 遗传算法简介 二、遗传算法技术问题（7.1.2） 遗传算法的主要问题是算法如何实现的技术问题。归结起来有如下一些因素： 1 解的编码和解码 解的编码是遗传算法的最基础工作，只有在编码之后才可能有其他的计算。算法的 最后一个工作则是通过解码得到问题的一个解。 2 初始群体的选取 在计算开始时，需要产生一些待优化问题的可能解，称为初始群体，初始群体可用 随机方式产生，也可用用其他的一下启发式算法或经验选择，主要针对实际问题而定。 3 群体规模的确定 ， 常取个体编码长度数的一个线性倍数。当多个进化代没有改变解的性能，可扩大群体的规模。若解的改进已经非常好时，就可以减少群体规模，使计算速度加快。 4 适应函数的确定 简单适应函数 目标函数的简单变形，构造简单，与目标函数直接相关，缺点是可能使算法在迭代过程中出现收敛到一些目标值近似的不同染色体而难以区别。 加速适应函数 有非线性加速适应函数，线性加速适应函数等。它们的思想是希望开始时每一个状态有较大的选取性，随着计算的步步进行，逐渐拉开目标值不同对应状态的档次。 排序适应函数 为了避开对目标函数进行线性、非线性等加速适应函数的早熟可能，使每一代当前最好的解以最大的概率遗传。 遗传算法简介 三、遗传算法特点 1 特点 （1）遗传算法以决策变量的编码作为运算对象。　　 （2）遗传算法直接以适应度作为有哪些信誉好的足球投注网站信息，无需导数等其它辅助信息。 （3）遗传算法使用多个点的有哪些信誉好的足球投注网站信息，具有隐含并行性。 （4）遗传算法使用概率有哪些信誉好的足球投注网站技术，而非确定性规则。 2 应用领域 （1）函数优