經(jīng)典的遺傳算法教程(已修改)
2025-05-26 21:04 本頁面
【正文】 遺傳算法 傳統(tǒng)的優(yōu)化方法 （ 局部優(yōu)化 ） 共軛梯度法 、 擬牛頓法 、 單純形方法 全局優(yōu)化方法 漫步法 （ Random Walk） 、 模擬退火法 、 GA 關(guān)于優(yōu)化問題 比較： 傳統(tǒng)的優(yōu)化方法 1） 依賴于初始條件 。 2） 與求解空間有緊密關(guān)系 ， 促使較快地收斂到局部 解 ， 但同時(shí)對(duì)解域有約束 ， 如可微或連續(xù) 。 利用這些約束 ， 收斂快 。 3） 有些方法 ， 如 DavisonFletcherPowell直接依賴于至少一階導(dǎo)數(shù)； 共軛梯度法隱含地依賴于梯度 。 全局優(yōu)化方法 1）不依賴于初始條件； 2）不與求解空間有緊密關(guān)系，對(duì)解域，無可微或連續(xù)的要求。求 解穩(wěn)健，但收斂速度慢。能獲得全局最優(yōu)。適合于求解空間不知的情況 ⑴ 選擇運(yùn)算 ⑵ 交換操作 ⑶ 變異 遺傳算法的基本運(yùn)算 遺傳算法 基本原理 模擬自然界優(yōu)勝劣汰的進(jìn)化現(xiàn)象，把搜索空間映射為遺傳 空間，把可能的解編碼成一個(gè)向量 —— 染色體，向量的每個(gè) 元素稱為基因。 通過不斷計(jì)算各染色體的適應(yīng)值，選擇最好的染色體，獲 得最優(yōu)解。 ● 選擇運(yùn)算 —— 從舊的種群中選擇適應(yīng)度高的染色體，放入匹配集（緩沖 區(qū)），為以后染色體交換、變異，產(chǎn)生新的染色體作準(zhǔn)備。 選擇方法 —— 適應(yīng)度比例法（轉(zhuǎn)輪法） 按各染色體適應(yīng)度大小比例來決定其被選擇數(shù)目的多少。 某染色體被選的概率： Pc ?? )()( iic xfxfPxi 為種群中第 i個(gè)染色體， 具體步驟 1）計(jì)算各染色體適應(yīng)度值 2）累計(jì)所有染色體適應(yīng)度值，記錄中間累加值 S mid 和最 后累加值 sum = ∑f(xi) 3） 產(chǎn)生一個(gè)隨機(jī)數(shù) N， 0〈 N 〈 sum 4） 選擇對(duì)應(yīng)中間累加值 S mid 的第一個(gè)染色體進(jìn)入交換集 5） 重復(fù)（ 3）和（ 4），直到獲得足夠的染色體。 舉例： ⒈具有 6個(gè)染色體的二進(jìn)制編碼、適應(yīng)度值、 Pc累計(jì) 值。 染色體的 適應(yīng)度和所占的比例 用轉(zhuǎn)輪方法進(jìn)行選擇
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1