人工智能---遺傳算法37-wenkub
2023-03-10 12:31:52 本頁面
【正文】 基本概念 n 適應(yīng)度 (fitness)n 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)計的表征其優(yōu)劣的一種測度n 適應(yīng)度函數(shù) (fitness function)n 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n 一般是一個實值函數(shù)n 該函數(shù)就是遺傳算法中指導(dǎo)搜索的評價函數(shù) 基本概念 n 染色體 (chromosome)n 染色體是由若干基因組成的位串（生物學(xué)）n 個體對象由若干字符串組成來表示（遺傳算法）n 遺傳算法 (geic algorithm)n 染色體 就是 問題中個體的某種字符串形式的編碼表示n 染色體以字符串來表示n 基因是字符串中的一個個字符 個體 染色體 9 1001 （ 2， 5， 6） 010 101 110 基本概念 n 遺傳算子 (geic operator)n 選擇 (selection)n 交叉 (crossover)n 變異 (mutation) 選擇算子選擇算子n 模擬生物界優(yōu)勝劣汰的自然選擇法則的一種染色體運算n 從種群中選擇適應(yīng)度較高的染色體進(jìn)行復(fù)制，以生成下一代種群算法 ：n 個體適應(yīng)度計算n 在被選集中每個個體具有一個選擇概率n 選擇概率取決于種群中個體的適應(yīng)度及其分布n 個體適應(yīng)度計算，即個體選擇概率計算n 個體選擇方法n 按照適應(yīng)度進(jìn)行父代個體的選擇 選擇算子n 個體適應(yīng)度計算n 按比例的適應(yīng)度計算 (proportional fitness assignment)n 基于排序的適應(yīng)度計算 (rankbased fitness assignment)n 個體選擇方法n 輪盤賭選擇 (roulette wheel selection)n 隨機遍歷抽樣 (stochastic universal sampling)n 局部選擇 (local selection)n 截斷選擇 (truncation selection)n 錦標(biāo)賽選擇 (tournament selection) 按比例的適應(yīng)度計算算法： 對一個規(guī)模為 N的種群 S，按每個染色體 xi?S的選擇概率P(xi)所決定的選中機會，分 N次從 S中隨機選擇 N個染色體，并進(jìn)行復(fù)制 其中：n f為適應(yīng)度函數(shù) n f(xi)為 xi的適應(yīng)度優(yōu)勝劣汰1. 概率越高，隨機選中概率越大2. 概率越高，選中次數(shù)越多3. 適應(yīng)度高的染色體后代越多 輪盤賭選擇原理：n 做一個單位圓，然后按各個染色體的選擇概率將圓面劃分為相應(yīng)的扇形區(qū)域n 轉(zhuǎn)動輪盤，輪盤靜止時指針指向某一扇區(qū)，即為選中扇區(qū)，相應(yīng)的個體 /染色體即被選中 輪盤賭選擇算法：n 在 [0, 1]區(qū)間，產(chǎn)生一個均勻分布的偽隨機數(shù) rn 若 r?q1，則染色體 1被選中n 若 qk1 r?qk(2 ?k?N)，則染色體 k被選中其中n qi為染色體 xi(i=1,
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1