13 人工智能與專家系統(tǒng)(xxxx)-文庫吧
2025-02-16 12:54 本頁面
【正文】 一些關鍵人物所做出的一些主要貢獻。 13 ? 20世紀 60年代， Holland認識到了生物的遺傳和自然進化現(xiàn)象與人工自適應系統(tǒng)的相似關系，運用生物遺傳和進化的思想來研究自然和人工自適應系統(tǒng)的生成以及它們與環(huán)境的關系，提出在研究和設計人工自適應系統(tǒng)時，可以借鑒生物遺傳的機制，以群體的方法進行自適應搜索，并且充分認識到了交叉、變異等運算策略在自適應系統(tǒng)中的重要性。 遺傳算法的發(fā)展 14 ? 1967年， Holland的學生 Bagley在其博士論文中首次提出了“遺傳算法”一詞，并發(fā)表了遺傳算法應用方面的第一篇論文。他發(fā)展了復制、交叉、變異、顯性、倒位等遺傳算子，在個體編碼上使用了雙倍體的編碼方法。這些都與目前遺傳算法中所使用的算子和方法類似。他還敏銳地意識到了在遺傳算法執(zhí)行的不同階段可以使用不同的選擇率，這將有利于防止遺傳算法的早熟現(xiàn)象，從而創(chuàng)立了自適應遺傳算法的概念。 遺傳算法的發(fā)展 15 20世紀 70年代， Holland提出了遺傳算法的基本定理 模式定理 (Schema Theorem),奠定了遺傳算法的理論基礎。 1975年， Holland出版了第一本系統(tǒng)論述遺傳算法和人工自適應系統(tǒng)的專著《自然系統(tǒng)和人工系統(tǒng)的自適應性（ Adaptation in Natural and Artificial Systems）》。 遺傳算法的發(fā)展 16 20世紀 80年代， Holland實現(xiàn)了第一個基于遺傳算法的機器學習系統(tǒng) 分類器系統(tǒng)，開創(chuàng)了基于遺傳算法學習的新概念，為分類器系統(tǒng)構造出了一個完整的框架。 遺傳算法的發(fā)展 17 ? 1989年， Goldberg出版了專著《搜索、優(yōu)化和機器學習中的遺傳算法》。該書系統(tǒng)總結了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應用。 遺傳算法的發(fā)展 18 ? 1992年， Koza將遺傳算法應用于計算機程序的優(yōu)化設計及自動生成，提出了遺傳編程的概念。 Koza成功地將提出的遺傳編程方法應用于人工智能、機器學習、符號處理等方面。 遺傳算法的發(fā)展 19 2 遺傳算法的基本原理 遺傳算法的基本思想是基于 Darwin進化論和 Mendel的遺傳學說。 Darwin進化論最重要的是適者生存原理。它認為每一物種在發(fā)展中越來越適應環(huán)境。物種每個個體的基本特征由后代所繼承，但后代又會產生一些異于父代的新變化。在環(huán)境變化時，只有那些能適應環(huán)境的個體特征方能保留下來。 Mendel遺傳學說最重要的是基因遺傳原理。認為遺傳以密碼方式存在細胞中，并以基因形式包含在染色體內。每個基因有特殊的位置并控制某種特殊性質；所以，每個基因產生的個體對環(huán)境具有某種適應性?；蛲蛔兒突螂s交可產生更適應于環(huán)境的后代。經過存優(yōu)去劣的自然淘汰，適應性高的基因結構得以保存下來。 20 遺傳算法與傳統(tǒng)優(yōu)化算法的主要不同 1) 遺傳算法不是直接作用在參變量集上 , 而是利用參變量集的某種編碼 。 2) 遺傳算法不是從單個點 , 而是在群體中從一個點開始搜索 。 3) 遺傳算法利用適應值信息 , 無需導數或其它輔助信息 。 4) 遺傳算法利用概率轉移規(guī)則 , 而非確定性規(guī)則。 21 遺傳算法的缺點 ? 編碼不規(guī)范及編碼存在表示的不準確性。 ? 單一的遺傳算法編碼不能全面地將優(yōu)化問題的約束表示出來。 ? 易于陷入局部最優(yōu)點，導致早熟。 22 3 遺傳算法的構成要素 。 基本遺傳算法使用固定長度的二進制符號串表示群體的個體，其等位基因是由二值符號 {0， 1}所組成的。初始群體中各個個體的基因值可用均勻分布的隨機數生成，如： x=1001110010 就可以表示一個個體，該個體的染色體長度是 n=10。 3. 2個體適應度評價 基本遺傳算法按與個體適用度成正比的概率來決定當前群體中每個個體遺傳到下一代群體中的機會多少。為正確計算這個概率，這里要求所有個體的適應度必須為正數或零。根據不同種類的問題，必須預先確定好由目標函數值到個體適應度的轉換規(guī)則。 23 3 遺傳算法的構成要素 遺傳算子 ? 選擇算子 (selection) ：又稱為復制算子。按照某種策略從父代中挑選個體進入下一代，如使用比例選擇、輪盤式選擇。 ? 交叉算子 (crossover)：又稱為雜交算子。將從群體中選擇的兩個個體，按照某種策略使兩個個體相互交換部分染色體，從而形成兩個新的個體。如使用單點一致交叉。 ? 變異算子 (mutation)：按照一定的概率（一般較?。?，改變染色體中某些基因的值。 24 3 遺傳算法的構成要素 、運行參數 N：群體大小，即群體中包含的個體的數量。 T：遺傳算法終止的進化代數。 Pc：交叉概率，一般取為 ～ 。 Pm：變異概率，一般取為 ～ 。 25 遺傳算法與傳統(tǒng)優(yōu)化算法的主要不同 1) 遺傳算法不是直接作用在參變量集上 , 而是利用參變量集的某種編碼 。 2) 遺傳算法不是從單個點 , 而是在群體中從一個點開始搜索 。 3) 遺傳算法利用適應值信息 , 無需導數或其它輔助信息 。 4) 遺傳算法利用概率轉移規(guī)則 , 而非確定性規(guī)則。 26
環(huán)評公示相關推薦
鄂ICP備17016276號-1