[計(jì)算機(jī)]ch9現(xiàn)代數(shù)據(jù)挖掘技術(shù)--遺傳算法-資料下載頁
2025-10-10 03:41本頁面
【正文】 729 ? 遺傳算法在適應(yīng)度函數(shù)選擇不當(dāng)?shù)那闆r下有可能收斂于局部最優(yōu)，而不能達(dá)到全局最優(yōu)。 ? 對(duì)于動(dòng)態(tài)數(shù)據(jù)，用遺傳算法求最優(yōu)解比較困難，因?yàn)槿旧w種群很可能過早地收斂，而對(duì)以后變化了的數(shù)據(jù)不再產(chǎn)生變化。 ? 為防止過早的收斂，研究者提出了一些方法增加基因的多樣性。其中一種是所謂 觸發(fā)式超級(jí)突變 ，就是當(dāng)染色體群體的質(zhì)量下降（彼此的區(qū)別減少）時(shí)增加變異概率；另一種叫 隨機(jī)外來染色體 ，是偶爾加入一些全新的隨機(jī)生成的染色體個(gè)體，從而增加染色體多樣性。 ? 選擇過程很重要，但交叉和變異的重要性存在爭(zhēng)議。一種觀點(diǎn)認(rèn)為交叉比變異更重要，因?yàn)樽儺悆H僅是保證不丟失某些可能的解；而另一種觀點(diǎn)則認(rèn)為交叉過程的作用只不過是在種群中推廣變異過程所造成的更新，對(duì)于初期的種群來說，交叉幾乎等效于一個(gè)非常大的變異率，而這么大的變異很可能影響進(jìn)化過程。 ? 遺傳算法很快就能找到良好的解，即使是在很復(fù)雜的解空間中。 ? 遺傳算法并不一定總是最好的優(yōu)化策略，優(yōu)化問題要具體情況具體分析。所以在使用遺傳算法的同時(shí)，也可以嘗試其他算法，互相補(bǔ)充，甚至根本不用遺傳算法。 遺傳算法的優(yōu)缺點(diǎn) ? 遺傳算法不能解決那些“大海撈針”的問題，所謂“大海撈針”問題就是沒有一個(gè)確切的適應(yīng)度函數(shù)表征個(gè)體好壞的問題，遺傳算法對(duì)這類問題無法找到收斂的路。 ? 對(duì)于任何一個(gè)具體的優(yōu)化問題，調(diào)節(jié)遺傳算法的參數(shù)可能會(huì)有利于更好的更快的收斂，這些參數(shù)包括個(gè)體數(shù)目、交叉律和變異律。例如太大的變異律會(huì)導(dǎo)致丟失最優(yōu)解，而過小的變異律會(huì)導(dǎo)致算法過早的收斂于局部最優(yōu)點(diǎn)。對(duì)于這些參數(shù)的選擇，現(xiàn)在還沒有實(shí)用的上下限。 ? 適應(yīng)度函數(shù)對(duì)于算法的速度和效果也很重要。 遺傳算法的優(yōu)缺點(diǎn) ?遺傳算法適用的問題 ? 遺傳算法擅長(zhǎng)解決的問題是全局最優(yōu)化問題，例如，解決時(shí)間表安排問題就是它的一個(gè)特長(zhǎng)，很多安排時(shí)間表的軟件都使用遺傳算法，遺傳算法還經(jīng)常被用于解決實(shí)際工程問題。 ? 遺傳算法能夠跳出局部最優(yōu)而找到全局最優(yōu)點(diǎn)。而且遺傳算法允許使用非常復(fù)雜的適應(yīng)度函數(shù)（或者叫做目標(biāo)函數(shù)），并對(duì)變量的變化范圍可以加以限制。 ?遺傳算法的應(yīng)用領(lǐng)域 ? 汽車設(shè)計(jì)，包括材料選擇、多目標(biāo)汽車組件設(shè)計(jì)、減輕重量等。 ? 機(jī)電系統(tǒng)設(shè)計(jì)。 ? 分布計(jì)算機(jī)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。 ? 電路設(shè)計(jì)，此類用途的遺傳算法叫做進(jìn)化電路。 ? 電子游戲設(shè)計(jì)，例如計(jì)算平衡解決方案。 ? 機(jī)器智能設(shè)計(jì)和機(jī)器人學(xué)習(xí)。 ? 模糊控制系統(tǒng)的訓(xùn)練。 ? 移動(dòng)通訊優(yōu)化結(jié)構(gòu)。 ? 時(shí)間表安排，例如為一個(gè)大學(xué)安排不沖突的課程時(shí)間表。 ? 旅行推銷員問題 . ? 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，也叫做神經(jīng)進(jìn)化。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1