最的遗传算法教程.pptx

《最的遗传算法教程.pptx》由会员分享，可在线阅读，更多相关《最的遗传算法教程.pptx（29页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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1页/共29页 选择运算 交换操作 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，把搜索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2页/共29页选择运算 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

2、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3页/共29页具体步骤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 sum 4）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：具有6个染色体的二进制编码、适应度值、Pc累计 值。第4页/共29页染色体的 适应度和所占的比例用转轮方法进行选择第5页/共29页染色体编号 1 2 3 4 5 6 7 8 9 10适应度 8 217 7 212117 3 7被选概率0.10.0

3、20.22 0.09 0.02 0.16 0.14 0.09 0.03 0.09适应度累计 8 10 27 34 36 48 59 66 6976随机数23497613 1 2757所选染色体号码 3 710 3 1 3 7染色体被选的概率被选的染色体个数10个染色体种群按比例的选择过程第6页/共29页交换操作 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 11010001 B 01011110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

4、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7页/共29页GA的流程第8页/共29页简单遗传算法（GA）的基本参数种群规模 P:参与进化的染色体总数.代沟G:二代之间不相同的染色体数目,无重叠G=1;有重叠 0 G 1选择方法:转轮法,精英选择法,竞争法.交换率:Pc 一般为60100%.变异率:Pm 一般为0.110%举例:变异概率取0.001第9页/共29页初始种群和它的适应度值染色体的交换操纵第10页/共29页举例：14第11页/共29页步骤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12页/

5、共29页步骤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：8代后，f(x,y)=0.998757,41代后，f(x,y)=1.00000,x=3.000290,y=2.999924.160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。描述种群中染色体相似性的字符串。（插入演示）演示12第13页/共29页（*为通配符）第14页/共29页图式的描述：定义长度（H)H左右二端有定义位置之间的距离；图式的阶次(或固定长度)O(H）H中非*位（有定义位）的个数。图式定理的推导图式在选

6、择过程中的增加.第15页/共29页经过选择,在t+1代,图式H的数量m(H,t+1)为:第16页/共29页图式在交换中的破坏图式在变异中的破坏经过选择、交换、变异后在t+1中，图式H的数量：图式定理：在选择、交换、变异的作用下，阶次低、定义长度短、适应度高的图式（模块）将按指数增长的规律，一代一代地增长。第17页/共29页遗传算法在应用中的一些基本问题1）知识的编码 2）适应度函数。a)适应度函数值必须非负。根据情况做适当的处理 二进制和十进制的比较：二进制有更多图式和更大的搜索范围；十进制更接近于实际操作。第18页/共29页第19页/共29页3）全局最优和收敛性。根据图式定理，对于具有“欺骗

7、性”函数，GA有可能落入局部最优点。b）为保持种群的多样性，防止）为保持种群的多样性，防止“超级超级”染色体染色体“统统治治”种群。种群。第20页/共29页欺骗性函数 图式划分：指引相互之间竞争的定义位为同一集合的一组图式。如#表示定义位，则H1=*1*0*，H2=*0*1*，H3=*1*1*，H4=*0*0*同属于划分*#*#*。总平均适应度（OAF）：对一个给定图式，OAF即为其成员 的平均适应度。欺骗性函数包含全局最优的图式其OAF不如包含局部最优的OAF，这种划分称为欺骗划分，它会使GA陷入局部最优。如最高阶欺骗函数有k个定义位，则此函数称k阶欺骗。第21页/共29页举例：3位欺骗函数

8、第22页/共29页 高级GA算法1）操作的改进2）算法的改进选择方法改进：精英法（竞赛法）、置换式和非置换式 随机选择法，排序法。交换方法的改进：多点交换；重组运算微种群遗传算法（GA）双种群遗传算法（DPGA）重组运算：解决染色体分布过于集中问题。把适应度函数做进一步处理。第23页/共29页终止条件：1）达到预定指标；2）达到预定代数。GA算法第24页/共29页双种群算法（DPGA）基本思想：利用人类社会分工合作的机理。分成：全局种群粗搜索，寻找可能存在的最优区域；局部种群 精搜索在全局划定的区域内，寻找最优点。第25页/共29页测试函数：第26页/共29页第27页/共29页遗传算法的应用：1）神经网络结构参数的选择 2）滑模控制中应用 3）倒立摆控制中应用第28页/共29页谢谢您的观看！第29页/共29页