经典遗传算法教程.ppt

第1页，共29页，星期日，2025年，2月5日全局优化方法1）不依赖于初始条件；2）不与求解空间有紧密关系，对解域，无可微或连续的要求。求解稳健，但收敛速度慢。能获得全局最优。适合于求解空间不知的情况第2页，共29页，星期日，2025年，2月5日⑴选择运算⑵交换操作⑶变异遗传算法的基本运算遗传算法基本原理模拟自然界优胜劣汰的进化现象，把有哪些信誉好的足球投注网站空间映射为遗传空间，把可能的解编码成一个向量——染色体，向量的每个元素称为基因。通过不断计算各染色体的适应值，选择最好的染色体，获得最优解。第3页，共29页，星期日，2025年，2月5日●选择运算——从旧的种群中选择适应度高的染色体，放入匹配集（缓冲区），为以后染色体交换、变异，产生新的染色体作准备。选择方法——适应度比例法（转轮法）按各染色体适应度大小比例来决定其被选择数目的多少。某染色体被选的概率：Pcxi为种群中第i个染色体，第4页，共29页，星期日，2025年，2月5日具体步骤1）计算各染色体适应度值2）累计所有染色体适应度值，记录中间累加值S-mid和最后累加值sum=∑f(xi)3）产生一个随机数N，0〈N〈sum4）选择对应中间累加值S-mid的第一个染色体进入交换集5）重复（3）和（4），直到获得足够的染色体。举例：⒈具有6个染色体的二进制编码、适应度值、Pc累计值。第5页，共29页，星期日，2025年，2月5日染色体的适应度和所占的比例用转轮方法进行选择第6页，共29页，星期日，2025年，2月5日染色体编号12345678910适应度8217721211737被选概率0.10.020.220.090.020.160.140.090.030.09适应度累计8102734364859666976随机数2349761312757所选染色体号码37103137染色体被选的概率被选的染色体个数⒉10个染色体种群按比例的选择过程第7页，共29页，星期日，2025年，2月5日●交换操作方法:随机选择二个染色体(双亲染色体),随机指定一点或多点,进行交换,可得二个新的染色体(子辈染色体).新的子辈染色体:A’B’模拟生物在自然界环境变化,引起基因的突变.在染色体二进制编码中,1变成0;或0变成1.突变产生染色体的多样性,避免进化中早期成熟,陷入局部极值点,突变的概率很低.●变异复制不能创新,交换解决染色体的创新第8页，共29页，星期日，2025年，2月5日GA的流程第9页，共29页，星期日，2025年，2月5日简单遗传算法（GA）的基本参数①种群规模P:参与进化的染色体总数.②代沟G:二代之间不相同的染色体数目,无重叠G=1;有重叠0G1③选择方法:转轮法,精英选择法,竞争法.④交换率:Pc一般为60~100%.⑤变异率:Pm一般为0.1~10%举例:变异概率取0.001第10页，共29页，星期日，2025年，2月5日初始种群和它的适应度值染色体的交换操纵第11页，共29页，星期日，2025年，2月5日举例：14第12页，共29页，星期日，2025年，2月5日步骤1）编码：确定二进制的位数；组成个体（染色体）步骤2）选择种群数P和初始个体，计算适应度值，P=20；第13页，共29页，星期日，2025年，2月5日步骤3）确定选择方法；交换率PC；变异率Pm。选择方法用竞争法；PC=0.7,Pm=0.05计算结果：①8代后，f(x,y)=0.998757,②41代后，f(x,y)=1.00000,x=3.000290,y=2.999924.③160次适应度计算，达到最优值。遗传算法的基本数学问题一个重要的定理——图式定理什么叫图式？——描述种群中染色体相似性的字符串。（插入演示）演示12