GA遗传算法教学幻灯片.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
GA遗传算法教学幻灯片.ppt

(1)GA对问题参数编码成“染色体”后进行进化操作,而不是针对参数本身,这使得GA不受函数约束条件的限制,如连续性、可导性个体。 (2)GA的有哪些信誉好的足球投注网站过程是从问题解的一个集合开始,而不是从单个开始,具有隐含并行有哪些信誉好的足球投注网站特性,从而大大减小了陷入局部极小的可能。 (3)GA使用的遗传操作均是随机操作,同时GA根据个体的适配值信息进行有哪些信誉好的足球投注网站,无需其他信息,如导数信息等 (4)GA具有全局有哪些信誉好的足球投注网站能力,最善于有哪些信誉好的足球投注网站复杂问题和非线性问题。 GA相比于传统优化算法,具有以下的特点 GA算法的优越性 (1)算法进行全空间并行有哪些信誉好的足球投注网站,并将有哪些信誉好的足球投注网站重点集中于性能高的部分,从而能够提高效率且不易陷入局部极小。 (2)算法具有固有的并行性,通过对种群的遗传处理可处理大量的模式,并且容易并行实现。 遗传算法的特点与优点 遗传算法求解问题举例 例子1 利用遗传算法求解区间[0,31]上的二次函数y=x2的最大值。  y=x2 31 X Y 分析 原问题可转化为在区间[0, 31]中有哪些信誉好的足球投注网站能使y取最大值的点a的问题。那么,[0, 31] 中的点x就是个体, 函数值f(x)恰好就可以作为x的适应度,区间[0, 31]就是一个(解)空间 。这样, 只要能给出个体x的适当染色体编码, 该 问题就可以用遗传算法来解决。 遗传算法(Genetic Algorithm) Keynote :尤志强 遗传算法与模拟退火算法一样是为解决组合优化问题而提出! 人工智能在信息处理和解决组合爆炸方面遇到的困难越来越明显迫使寻求一种适合于大规模问题并具有自组织、自适应、自学习能力的算法,基于生活进化论的遗传算法被提出! 遗传算法 遗传算法简称GA(Genetic Algorithms)是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机有哪些信誉好的足球投注网站最优化方法。 遗传算法是以达尔文的自然选择学说(适者生存)以及Mendel遗传学说(基因遗传原理)为基础发展起来的。 算法思路: GA将问题的求解表示成“染色体”的适者生存过程,通过“染色体”群的一代代不断进化,包括复制、交叉、变异等操作,最终收敛到“最适应环境”的个体,从而求得问题的最优解或满意解。 特点:隐含并行性和全局解空间有哪些信誉好的足球投注网站 GA的应用领域:机器学习、模式识别、图像处理、神经网络、优化控制、组合优化等 遗传算法中的自然法则 自然选择学说包括以下三个方面: (1)遗传:这是生物的普遍特征,亲代把生物信息交给子代,子代总是和亲代具有相同或相似的性状。生物有了这个特征,物种才能稳定存在。 (2)变异:亲代和子代之间以及子代的不同个体之间的差异,称为变异。变异是随机发生的,变异的选择和积累是生命多样性的根源。 (3)生存斗争和适者生存:具有适应性变异的个体被保留下来,不具有适应性变异的个体被淘汰,通过一代代的生存环境的选择作用,性状逐渐逐渐与祖先有所不同,演变为新的物种。 Mendel遗传学说 遗传以密码方式存在细胞中,并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质。所以,每个基因产生的个体对环境具有某种适应性。 遗传算法中的自然法则 遗传算法将“优胜劣汰,适者生存”的生物进化原理引入优化参数形成的编码串联群体中,按所选择的适应度函数并通过遗传中的复制、交叉及变异对个体进行筛选,使适应度高的个体被保留下来,组成新的群体,新的群体既继承了上一代的信息,又优于上一代。这样周而复始,群体中个体适应度不断提高,直到满足一定的条件。遗传算法的算法简单,可并行处理,并能得到全局最优解。 遗传算法中的相关概念 遗传算法用到各种进化和遗传学得概念。以下是一些主要的概念: (1)串(String):它是个体(Individual)的形式,在算法中为二进制串,并且对应于遗传学中的染色体(Chromosome). (2)群体(Population):个体的集合称为群体,串是群体的元素。 (3)群体规模(Population Size):在群体中个体的数量称为群体规模,又称群体的大小。 (4)基因(Gene):基因是串中的元素,基因用于表示个体的特征。例如有一个串S=1011,则其中1,0,1,1这四个元素分别称为基因,它们的值称为等位基因。 (5)基因位置(Gene Position):一个基因在串中的位置称为基因位置,有时也简称基因位。基因位置由串的左边向右计算,例如在串S=1011中,0的基因位是3.基因位置对应于遗传学中的地点(Locus). (6)适应度(Fitness):表示某一个体对于环境的适应程度。 图1 解空间与生物空间的对应 遗传算法的基本流程 遗传算法是一类随机优化算法,但它不是简单的随机比较有哪些信誉好的足球投注网站,而是通过对染色体的

文档评论(0)

yuzongxu123 + 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