10.4 遗传算法的设计.pptVIP

*10.4.1遗传算法的构成要素（1）染色体编码方法基本遗传算法使用固定长度的二进制符号来表示群体中的个体，其等位基因是由二值符号集{0,1}所组成。初始个体基因值可用均匀分布的随机值生成，如就可表示一个个体，该个体的染色体长度是18。10.4遗传算法的设计（2）个体适应度评价：基本遗传算法与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体中的概率多少。为正确计算这个概率，要求所有个体的适应度必须为正数或零。因此，必须先确定由目标函数值J到个体适应度f之间的转换规则。（3）遗传算子：基本遗传算法使用下述三种遗传算子：①选择运算:使用比例选择算子；②交叉运算:使用单点交叉算子；③变异运算:使用基本位变异算子或均匀变异算子。（4）基本遗传算法的运行参数有下述4个运行参数需要提前设定：M：群体大小，即群体中所含个体的数量，一般取为20~100；G：遗传算法的终止进化代数，一般取为100~500；Pc：交叉概率，一般取为0.4~0.99；Pm：变异概率，一般取为0.0001~0.1。对于一个需要进行优化的实际问题，一般可按下述步骤构造遗传算法：第一步：确定决策变量及各种约束条件，即确定出个体的表现型X和问题的解空间；第二步：建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法；10.4.2遗传算法的应用步骤第三步：确定表示可行解的染色体编码方法，即确定出个体的基因型x及遗传算法的有哪些信誉好的足球投注网站空间；第四步：确定个体适应度的量化评价方法，即确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则；第五步：设计遗传算子，即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法；第六步：确定遗传算法的有关运行参数，即M,G,Pc,Pm等参数；第七步：确定解码方法，即确定出由个体表现型X到个体基因型x的对应关系或转换方法。以上操作过程可以用图10-1来表示。图10-1遗传算法流程图*