人工智能遺傳算法教程(編輯修改稿)
2024-11-15 09:55 本頁面
【文章內(nèi)容簡介】 種群規(guī)模： 種群包含的染色體數(shù)目 ■ 最大換代數(shù)： 染色體更新?lián)Q代的最大數(shù)目 ■ 交叉率 (crossover rate)就是參加交叉運算的染色體個數(shù)占全體染色體總數(shù)的比例 ， 記為 Pc,取值范圍一般為 ～ 。 ■ 變異率 (mutation rate)是指發(fā)生變異的基因位數(shù)所占全體染色體的基因總位數(shù)的比例 ， 記為Pm， 取值范圍一般為 ～ 。 簡單遺傳算法（基本遺傳算法） 步 1 在搜索空間 U上定義一個 適應度函數(shù)f(x)， 給定種群規(guī)模 N， 交叉率 Pc和變異率 Pm，代數(shù) T； 步 2 隨機產(chǎn)生 U中的 N個個體 s1, s2, … , sN，組成 初始種群 S={s1, s2, … , sN}， 置代數(shù)計數(shù)器 t=1； 步 3 計算 S中每個個體的 適應度 f() ； 步 4 若終止條件滿足 ， 則取 S中適應度最大的個體作為所求結(jié)果 ， 算法結(jié)束 。 步 5 按選擇概率 P(xi)所決定的選中機會，每次從 S中隨機選定 1個個體并將其染色體 復制 ，共做 N次，然后將復制所得的 N個染色體組成 群體 S1； 步 6 按交叉率 Pc所決定的參加交叉的染色體數(shù) c，從 S1中隨機確定 c個染色體， 配對進行交叉操作 ，并用產(chǎn)生的新染色體代替原染色體，得群體 S2； 步 7 按變異率 Pm所決定的變異次數(shù) m， 從 S2中隨機確定 m個染色體 ， 分別進行 變異操作 ， 并用產(chǎn)生的新染色體代替原染色體 ， 得群體 S3； 步 8 將群體 S3作為新一代種群，即用 S3代替S， t = t+1，轉(zhuǎn)步 3； 例 1 利用遺傳算法求解區(qū)間 ［ 0,31］ 上的二次函數(shù) y=x2的最大值 。 分 析 原問題可轉(zhuǎn)化為在區(qū)間［ 0, 31］中搜索能使 y取最大值的點 a的問題。 那么，［ 0, 31]中的點 x就是 個體 , 函數(shù)值 f(x)恰好就可以作為 x的 適應度 ，區(qū)間［ 0, 31］就是一個 (解 )空間 。這樣 , 只要能給出個體 x的適當染色體編碼 , 該問題就可以用遺傳算法來解決。 解 (1) 設定 種群規(guī)模 ,編碼染色體 ， 產(chǎn)生初始種群 。 將種群規(guī)模設定為 4； 用 5位二進制數(shù)編碼染色體；取下列個體組成 初始種群 S1: s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) (3) 計算各代種群中的各個體的 適應度 , 并對其染色體進行遺傳操作 ,直到適應度最高的個體 (即 31（ 11111） )出現(xiàn)為止 。 (2) 定義 適應度函數(shù) 取適應度函數(shù) ： f (x)=x2 首先計算種群 S1中各個體 s1= 13(01101), s2= 24(11000) s3= 8(01000), s4= 19(10011) 的適應度 f (si) 。 容易求得 f (s1) = f(13) = 132 = 169
教學課件相關(guān)推薦
鄂ICP備17016276號-1