遺傳算法課件ppt(編輯修改稿)
2024-09-12 00:12 本頁面
【文章內(nèi)容簡介】 五 .GA的各種變形（ 19） ? ?? ?aUxfXZ,0???????22 適值函數(shù)的標定 (Scaling) 五 .GA的各種變形（ 20） 997999100210014321????ffff0254444433422411????????????ffffffffffff 相對 差別放大，選擇壓力變大，選優(yōu)功能強化了 標定 相對 差別小，選擇壓力小，選優(yōu)功能弱化了 23 ① 標定的目的： 使適值函數(shù)不會太大，有一定差別 I. 選擇壓力的概念： 選擇壓力是種群好、壞個體被選中的概率 之差，差大稱為選擇壓力大 。 注意：上述概念中的“差大小”是相對于適值函數(shù)而言的。 五 .GA的各種變形（ 21） 24 II. 局部搜索、廣域搜索與選擇壓力的關系 局部搜索與廣域搜索是 GA中的一對矛盾，只注重局部搜索很可能陷入局優(yōu)，只注重廣域搜索則會導致精確開發(fā)能力不強。因此，好的算法要將以上二者綜合考慮。一般來說，算法開始時應注重廣域搜索，通過使用較小的選擇壓力來實現(xiàn)；隨著迭代的進行，逐步偏重于局部搜索，通過使用較大的選擇壓力來實現(xiàn)。 五 .GA的各種變形（ 22） 25 ② 適值的標定方法 I. 線性標定： 函數(shù)表達式： , 為目標函數(shù)， 為適值函數(shù) 五 .GA的各種變形（ 23） baff ???f f?26 a. 對 ， =1， = +ξ ， 函數(shù)表達式 ： +ξ， b. 對 ， =1， = +ξ , 函數(shù)表達式： +ξ， 上述中 的 ξ是 一個較小的數(shù)，目的是使種群中最差的個體仍然有繁殖的機會，增加種群的多樣性。 五 .GA的各種變形（ 24） ? ?xfmax? ? m infxff ???? ?xfmin? ?xfff ??? m a xa b minf?a bmaxf27 II. 動態(tài)線性標定 (最常用 )：線性標定中的參數(shù)隨著迭代次數(shù)的增加而變化時就得到了動態(tài)線性標定 優(yōu)點：計算容易不占用時間 函數(shù)表達式： ， 為迭代指標 a. 最常用最大化 =1 , 函數(shù)表達式： 五 .GA的各種變形（ 25） kk bfaf ??? kkk fb ???? m inkakfff ????? m in第 k代的最小目標函數(shù)值 28 b. 加入的意義 （同線性標定中 ξ 的意義） 加入使最壞個體仍有繁殖的可能， 隨 的增大而減小 c. 的取值： ， ， ， 調節(jié) 和 ，從而來調節(jié) 五 .GA的各種變形（ 26） k?k? kk?k?M?0? rkk ?? ?1?? ? ?9 9 ,?rk?M r29 五 .GA的各種變形（ 27） d. 引入 的目的： 調節(jié)選擇壓力，即好壞個體選擇概率的 差，使廣域搜索范圍寬保持種群的多樣性，而 局域搜索細保持收斂性。如下圖表示： 開始：希望選擇壓力小 后來：希望選擇壓力大 k?k?k k?30 III. 冪律標定： 函數(shù)表達式： 的取值， 1時選擇壓力加大 1時選擇壓力減小 IV. 對數(shù)標定： 函數(shù)表達式： 對數(shù)標定的作用：縮小目標函數(shù)值的差別 五 .GA的各種變形（ 28） ???ff ???f a L n f b? ??31 V. 指數(shù)標定： 函數(shù)表達式： 指數(shù)標定的作用：擴大差別 VI. 窗口技術： 函數(shù)表達式： 為前 W代中的最小目標值，它考慮了各代 的波動，這樣 具有記憶性 五 .GA的各種變形（ 29） ca
數(shù)學相關推薦
鄂ICP備17016276號-1