[工学]第二章 特征选择与提取20112.pptVIP

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[工学]第二章 特征选择与提取20112

第五章 特征的提取与选择 特征的选择2 遗传算法 遗传算法 1、智能优化算法 2、基本遗传算法及原理 3、遗传算法的特点和本质 智能优化算法 智能优化算法又称为现代启发式(Heuristic)算法,是一种具有全局优化性能、通用性强、且适合于并行处理的算法 这种算法一般具有严密的理论依据,而不是单纯凭借专家经验,理论上可以在一定的时间内找到最优解或近似最优解 常用的智能优化算法 (1)遗传算法 (Genetic Algorithm, 简称GA) (2)模拟退火算法 (Simulated Annealing, 简称SA) (3)禁忌有哪些信誉好的足球投注网站算法 (Tabu Search, 简称TS) …… 智能优化算法的特点 它们的共同特点:都是从任一解出发,按照某种机制,以一定的概率在整个求解空间中探索最优解 由于它们可以把有哪些信誉好的足球投注网站空间扩展到整个问题空间,因而具有全局优化性能 遗传算法起源 达尔文进化论:物竞天择,适者生存 遗传算法是由美国的J. Holland于1975年在他的专著《自然界和人工系统的适应性》中首先提出的,它是一类借鉴生物界自然选择和遗传机制的随机化有哪些信誉好的足球投注网站算法 算法的有哪些信誉好的足球投注网站机制 遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象,在每次迭代中都保留一组候选解,并按某种规则从解集中选取较优的个体,利用遗传算子对这些个体进行组合,产生新一代的候选解集,重复此过程,直到满足某种收敛指标为止 基本遗传算法 基本遗传算法(Simple Genetic Algorithm,简称SGA,又称简单遗传算法或标准遗传算法),是由Goldberg(1986)总结出的一种最基本的遗传算法,其遗传进化操作过程简单,容易理解,是其它一些遗传算法的雏形和基础 几个术语 个体(基因链码)、染色体 种群(群体)、初始种群 交叉 变异 适应度 个体 生物的性状由生物遗传基因的链码所决定 使用GA时,需要将问题的每一个解进行编码,编码成一个基因链码 编码 GA是通过某种编码机制把对象抽象为由特定符号按一定顺序排成的串 染色体是由多个基因排成的串。SGA使用二进制串进行编码 1552 —— 11000010000:每一位代表一个基因 一个基因链码代表问题的一个解 编码长度与解的精度相关 求下列一元函数的最大值: SGA对于本例的编码 由于区间长度为3,求解结果精确到6位小数,因此可将自变量定义区间划分为3×106等份 因为221 3×106 222 ,所以本例的二进制编码长度至少需要22位,即将区间[-1,2]内对应的实数值转化为一个二进制串(b21b20…b0) 个体 1000101110110101000111 种群、初始种群 种群是若干个个体的集合,代表解的集合 初始种群:SGA采用随机方法生成若干个个体的集合 初始种群中个体的数量称为种群规模 适应度 源于“适者生存” 遗传算法对一个个体(解)的好坏用适应度函数值来评价,适应度函数值越大,解的质量越好 适应度函数是遗传算法进化过程的驱动力,也是进行自然选择的唯一标准,它的设计应结合求解问题本身的要求而定 交叉算子 所谓交叉运算,是指对两个相互配对的染色体依据交叉概率 Pc 按某种方式相互交换其部分基因,从而形成两个新的个体 交叉运算是遗传算法区别于其他进化算法的重要特征,它在遗传算法中起关键作用 SGA中交叉算子采用单点交叉算子 单点交叉运算 交叉前: 00000 | 01110000000010000 11100 | 00000111111000101 交叉后: 00000 | 00000111111000101 11100 | 01110000000010000 变异算子 所谓变异运算,是指依据变异概率 Pm 将个体编码串中的某些基因值用其它基因值来替换,从而形成一个新的个体 遗传算法中的变异运算是产生新个体的辅助方法,它决定了遗传算法的局部有哪些信誉好的足球投注网站能力,同时保持种群的多样性 交叉运算和变异运算的相互配合,共同完成对有哪些信誉好的足球投注网站空间的全局有哪些信誉好的足球投注网站和局部有哪些信誉好的足球投注网站 SGA中变异算子采用基本位变异算子 基本位变异算子 基本位变异算子是指对个体编码串随机指定的某一位或某几位基因作变异运算 SGA算法中用二进制编码符号串所表示的个体,若需要进行变异操作的某一基因座上的原有基因值为0,则变异操作将其变为1;反之,若原有基因值为1,则变异操作将其变为0 基本位变异算子 变异前: 000001110000000010000 变异后: 000001110001000010000 选择算子 遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作:适应度高的个体被遗传到下一代群体中的概率大;适应度低的个体

文档评论(0)

ipbohn97 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档