基于遺傳算法的隨機優(yōu)化搜索-資料下載頁
2025-05-02 00:53本頁面
【正文】 …, , +1）(+1就是 c1)作為一個個體。這個序列中相鄰兩城之間的距離之和的倒數(shù)就可作為相應個體 s的適應度，從而適應度函數(shù)就是 ????niii ccdsf11 ),(1)( （ 2）對個體 s=（ c1, c2, …, , +1）進行編碼。但對于這樣的個體如何編碼卻不是一件直截了當?shù)氖虑?。因?如果編碼不當，就會在實施交叉或變異操作時出現(xiàn)非法城市序列即無效解。 例如，對于 5個城市的 TSP，我們用符號 A、B、 C、 D、 E代表相應的城市，用這 5個符號的序列表示可能解即染色體。 然后進行遺傳操作。設 s1=（ A, C, B, E, D, A）， s2=（ A, E, D, C, B, A） 實施常規(guī)的交叉或變異操作，如交換后三位，得 s1’=（ A,C,B,C,B,A）， s2’=（ A,E,D,E,D,A） 或者將染色體 s1第二位的 C變?yōu)?E，得 s1’’=（ A, E, B, E, D, A） 可以看出，上面得到的 s1’， s2’和 s1’’都 是非法的城市序列。 為此，對 TSP必須設計合適的染色體和相應的遺傳運算。 事實上，人們針對 TSP提出了許多編碼方法和相應的特殊化了的交叉、變異操作，如 順序編碼或整數(shù)編碼、隨機鍵編碼、部分映射交叉、順序交叉、循環(huán)交叉、位置交叉、反轉變異、移位變異、互換變異 等等。從而巧妙地用遺傳算法解決了 TSP。 遺傳算法的特點與優(yōu)勢 ◆ 遺傳算法的主要特點 —— 遺傳算法一般是直接在解空間搜索 , 而不像圖搜索那樣一般是在問題空間搜索 , 最后才找到解 。 —— 遺傳算法的搜索隨機地始于搜索空間的一個點集 , 而不像圖搜索那樣固定地始于搜索空間的初始節(jié)點或終止節(jié)點 , 所以遺傳算法是一種隨機搜索算法 。 —— 遺傳算法總是在尋找優(yōu)解 , 而不像圖搜索那樣并非總是要求優(yōu)解 , 而一般是設法盡快找到解 , 所以遺傳算法又是一種優(yōu)化搜索算法。 —— 遺傳算法的搜索過程是從空間的一個點集 (種群 )到另一個點集 (種群 )的搜索 ,而不像圖搜索那樣一般是從空間的一個點到另一個點地搜索。 因而它實際是一種并行搜索 , 適合大規(guī)模并行計算 ,而且這種種群到種群的搜索有能力跳出局部最優(yōu)解。 —— 遺傳算法的適應性強 , 除需知適應度函數(shù)外 , 幾乎不需要其他的先驗知識 。 —— 遺傳算法長于全局搜索 , 它不受搜索空間的限制性假設的約束 ,不要求連續(xù)性 , 能以很大的概率從離散的 、 多極值的 、 含有噪聲的高維問題中找到全局最優(yōu)解 。 ◆ 遺傳算法的應用 ? 遺傳算法在人工智能的眾多領域便得到了廣泛應用。例如，機器學習、聚類、控制（如煤氣管道控制）、規(guī)劃（如生產(chǎn)任務規(guī)劃）、設計（如通信網(wǎng)絡設計、布局設計）、調度（如作業(yè)車間調度、機器調度、運輸問題）、配置（機器配置、分配問題）、組合優(yōu)化（如 TSP、背包問題）、函數(shù)的最大值以及圖像處理和信號處理等等。 ? 另一方面，人們又將遺傳算法與其他智能算法和技術相結合，使其問題求解能力得到進一步擴展和提高。例如，將遺傳算法與模糊技術、神經(jīng)網(wǎng)絡相結合，已取得了不少成果。 對遺傳算法的進一步研究將涉及到模式定理和隱性、并行性等內(nèi)容。有興趣的同學可參閱有關專著。
環(huán)評公示相關推薦
鄂ICP備17016276號-1