基于遺傳算法的隨機(jī)優(yōu)化搜索(已修改)
2025-05-18 00:53 本頁面
【正文】 第 4章 基于遺傳算法的隨機(jī)優(yōu)化搜索 基本遺傳算法 遺傳算法應(yīng)用舉例 遺傳算法的特點(diǎn)與優(yōu)勢 基本概念 1. 個體與種群 ● 個體就是模擬生物個體而對問題中的對象 （ 一般就是問題的解 ） 的一種稱呼 ， 一個個 體也就是搜索空間中的一個點(diǎn) 。 ● 種群 (population)就是模擬生物種群而由若 干個體組成的群體 , 它一般是整個搜索空間 的一個很小的子集。 2. ● 適應(yīng)度 (fitness)就是借鑒生物個體對環(huán)境的 適應(yīng)程度 ,而對問題中的個體對象所設(shè)計(jì)的 表征其優(yōu)劣的一種測度 。 ● 適應(yīng)度函數(shù) (fitness function)就是問題中的 全體個體與其適應(yīng)度之間的一個對應(yīng)關(guān)系 。 它一般是一個實(shí)值函數(shù) 。 該函數(shù)就是遺傳算 法中指導(dǎo)搜索的評價(jià)函數(shù) 。 3. 染色體與基因 染色體 （ chromosome） 就是 問題中個體的某種字符串形式的編碼表示 。 字符串中的字符也就稱為基因 （ gene） 。 例如： 個體 染色體 9 1001 （ 2， 5， 6） 010 101 110 4. 遺傳操作 亦稱遺傳算子 (geic operator)， 就是 關(guān)于染色體的運(yùn)算 。 遺傳算法中有三種遺傳操作 : ● 選擇 復(fù)制 (selectionreproduction) ● 交叉 (crossover， 亦稱交換 、 交配或雜交 ) ● 變異 (mutation， 亦稱突變 ) 選擇 復(fù)制 通常做法是：對于一個規(guī)模為 N的種群 S,按每個染色體 xi∈ S的選擇概率 P(xi)所決定的選中機(jī)會 , 分 N次從 S中隨機(jī)選定 N個染色體 , 并進(jìn)行復(fù)制 。 ??? NjjiixfxfxP1)()()( 這里的選擇概率 P(xi)的計(jì)算公式為 交叉 就是互換兩個染色體某些位上的基因 。 s1′=01000101, s2′=10011011 可以看做是原染色體 s1和 s2的子代染色體 。 例如 , 設(shè)染色體 s1=01001011, s2=10010101, 交換其后 4位基因 , 即 變異 就是改變?nèi)旧w某個 (些 )位上的基因。 例如 , 設(shè)染色體 s=11001101 將其第三位上的 0變?yōu)?1, 即 s=11001101 → 11101101= s′。 s′也可以看做是原染色體 s的子代染色體。 基本遺傳算法 遺傳算法基本流程框圖 生成初始種群 計(jì)算適應(yīng)度 選擇 復(fù)制 交叉 變異 生成新一代種群 終止 ? 結(jié)束 算法中的一些控制參數(shù)： ■ 種群規(guī)模 ■ 最大換代數(shù) ■ 交叉率 (crossover rate)就是參加
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1