人工智能---遺傳算法37(編輯修改稿)
2025-03-09 12:31 本頁面
【文章內(nèi)容簡(jiǎn)介】 ic 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(huì)，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染色體組成群體 S1步 6 ：按 Pc所決定的參加交叉的染色體數(shù) c，從 S1中隨機(jī)確定 c個(gè)染色體，配對(duì) 進(jìn)行交叉操作，并用產(chǎn)生的染色體代替原染色體，組成群體 S2步 7 ：按 Pm所決定的變異次數(shù) m，從 S2中隨機(jī)確定 m個(gè)染色體，分別進(jìn)行變異 操作，并用產(chǎn)生的新染色體代替原染色體，組成群體 S3步 8 ：將群體 S3作為新種群，即用 S3代替 S， Gen = Gen +1，轉(zhuǎn)步 3 流程圖 開始Gen=0編碼隨機(jī)產(chǎn)生 N個(gè)初始個(gè)體滿足終止條件 ?計(jì)算群體中各個(gè)體適應(yīng)度從左至右依次執(zhí)行遺傳算子j = 0 j = 0 j = 0根據(jù)適應(yīng)度選擇復(fù)制個(gè)體 選擇兩個(gè)交叉?zhèn)€體 選擇個(gè)體變異點(diǎn)執(zhí)行變異執(zhí)行交叉執(zhí)行復(fù)制將復(fù)制的個(gè)體添入新群體中將交叉后的兩個(gè)新個(gè)體添入新群體中將變異后的個(gè)體添入新群體中j = j+1 j = j+2 j = j+1 j = N? j = c? j = m?Gen=Gen+1輸出結(jié)果終止YNY YYN N Npcpm 基本實(shí)現(xiàn)技術(shù)n 編碼方法n 二進(jìn)制編碼n 格雷編碼n 編碼規(guī)則n 應(yīng)使用能易于產(chǎn)生與所求問題相關(guān)的且具有低階、短定義長度模式的編碼方案n 應(yīng)使用能使問題得到自然表示或描述的具有最小編碼字符集的編碼方案 基本實(shí)現(xiàn)技術(shù)n 適應(yīng)值函數(shù)n 適應(yīng)值函數(shù)必須是正數(shù)n 出現(xiàn)負(fù)數(shù)時(shí)應(yīng)進(jìn)行變換，常用變換方式有三種：n 線性比例法： g(x) = a*f(x)+b (b0)n 指數(shù)比例法： g(x) = exp(a f(x)) (a?0)n 冪指數(shù)比例法： g(x) = (f(x))a (a為偶數(shù) ) 算法舉例例 利用遺傳算法求
化學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1