人工智能---遺傳算法37(文件)
【正文】 2, …, n) 的累積概率n 一個(gè)染色體 xi被選中的次數(shù)，可由期望值 e(xi)來確定 為種群 S中全體染色體的平均適應(yīng)度 交叉算子交叉算子n 交換、交配、雜交n 互換兩個(gè)染色體某些位上的基因n 隨機(jī)化算子，生成新個(gè)體 交叉算子n 一點(diǎn)雜交n 產(chǎn)生一個(gè)在 1到 L－ 1之間的隨機(jī)數(shù) In 配對的兩個(gè)串相互對應(yīng)的交換從 i＋ 1到 L的位段 交叉算子例 設(shè)染色體 s1 = 1011 0111 00 染色體 s2 = 0001 1100 11 交換其后 2位基因s1: 1011 0111 00 s1’： 1011 0111 11s2： 0001 1100 11 s2’： 0001 1100 00單點(diǎn)交叉 變異算子變異算子n 突變n 改變?nèi)旧w某個(gè) /些位上的基因n 隨機(jī)化算子，生成新個(gè)體n 次要算子，但在恢復(fù)群體中失去的多樣性方面具有潛在的作用 變異算子例 設(shè)染色體 s = 1011 0111 00 s1: 1011 0111 00 s1’： 1011 0110 00二進(jìn)制變異 基本遺傳算法遺傳算法n 對種群中的染色體反復(fù)做三種遺傳操作n 使其朝著適應(yīng)度增高的方向不斷更新?lián)Q代，直至出現(xiàn)了適應(yīng)度滿足目標(biāo)條件的染色體為止算法拓展n 遺傳算法在自然與社會現(xiàn)象模擬、工程計(jì)算等方面得到了廣泛的應(yīng)用n 基本遺傳算法是 Holland提出的一種統(tǒng)一的最基本的遺傳算法，簡稱 SGA（ Simple Geic Algorithm )、CGA（ Canonical Geic Algorithm）n 其它的 “ GA類 ” 算法稱為 GAs(Geic Algorithms） ,可以把 GA看作是 GAs的一種特例 基本遺傳算法參數(shù)n 種群規(guī)模n 種群的大小，用染色體個(gè)數(shù)表示n 最大換代數(shù)n 種群更新?lián)Q代的上限，也是算法終止一個(gè)條件n 交叉率 Pcn 參加交叉運(yùn)算的染色體個(gè)數(shù)占全體染色體總數(shù)的比例n 取值范圍： n 變異率 Pmn 發(fā)生變異的基因位數(shù)占全體染色體的基因總位數(shù)的比例n 取值范圍： n 染色體編碼n 長度 L 基本遺傳算法算法 步 1 ：在論域空間 U上定義一個(gè)適應(yīng)度函數(shù) f(x)，給定種群規(guī)模 N，交叉率 Pc， 變異率 Pm，代數(shù) Gen?步 2： 隨機(jī)產(chǎn)生 U中的 N個(gè)染色體 s1,s2…s N, 組成初始種群 S={s1,s2…s N}，置代 數(shù) t=1步 3：若終止條件滿足，則取 S中適應(yīng)度最大的染色體作為所求結(jié)果，算法結(jié)束步 4：計(jì)算 S中每個(gè)染色體的適應(yīng)度 f()步 5： 按選擇概率 p(si)所決定的選中機(jī)會，每次從 S中隨機(jī)選中 1個(gè)染色體并將 其復(fù)制，共做 N次，然后將復(fù)制得到的 N染色體組成
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1