【正文】 遺傳算法在模式識別中的應(yīng)用 第四章 結(jié)束 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 作業(yè) 1 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 內(nèi)容 用遺傳算法解決下面函數(shù)的極小值問題： 32|| ,20)/)2c o s(e x p ()/ x p (20)(5015012??????? ????iiiiixenxnxXf ? 作業(yè) 1 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 要求 ； MATLAB； ：源程序（如非 MATLAB語言編制，則包括源代碼和可執(zhí)行文件）和運(yùn)行結(jié)果（圖、表等， WORD文檔），發(fā)送至 ? 時(shí)限 2022年 10月 18日之前 。一個(gè)個(gè)體即是一個(gè)可能的最優(yōu)特征子集； 適應(yīng)度函數(shù)的設(shè)計(jì)：個(gè)體所代表的特征子集進(jìn)行分類時(shí)的識別率； 遺傳算子：可采用各種方法； 遺傳算法在模式識別中的應(yīng)用 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 用遺傳算法進(jìn)行特征提取 例：作品鑒別 將圖像分為 m n格，對每一個(gè)格 進(jìn)行數(shù)據(jù)分析，得到 L個(gè)特征， 從 L中選出 l個(gè)（ Ll）特征送入 分類器進(jìn)行識別。,[])。,[],39。,[],39。,1000,39。,[],[],[1e8 1 1],39。 [x endPop bpop trace]=ga(bounds,39。 eval=1/(1+mse1/)。)。,w2,b2,39。 A=simuff(P,w1,b1,39。 end 遺傳算法在過程建模中的應(yīng)用 b1=b139。 end w2(i)=sol(5*S1+i)。 對樣本數(shù)據(jù)歸一化； S1=6。4 50 解決組合優(yōu)化問題 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? TSP Benchmark 問題 編碼：直接采用解的表示形式， 30位（ 30個(gè)城市）長，每位代表所經(jīng)過的城市序號（無重復(fù)）； 適應(yīng)度函數(shù)：個(gè)體所代表的路徑距離的倒數(shù)； 選擇：輪盤賭方法 解決組合優(yōu)化問題 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? TSP Benchmark 問題 交叉：有序交叉法 1）隨機(jī)選取兩個(gè)交叉點(diǎn)； 2）兩個(gè)父個(gè)體交換中間部分； 3）替換交換后重復(fù)的城市序號。41 26。 58 35。82 7。18 40。74 78。58 69。25 38。83 46。18 54。83 69。71 44。2 99。25 62。37 84。 解決多目標(biāo)優(yōu)化問題 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 多目標(biāo)優(yōu)化的遺傳算法 小生境 Pareto遺傳算法 ： 為了保證尋優(yōu)過程不收斂于可行域的某一局部， 使種群向均勻分布于 Pareto前沿面的方向進(jìn)化， 通過共享函數(shù)定義一小生境加以實(shí)現(xiàn)。 解決多目標(biāo)優(yōu)化問題 ??kiii xfwM ini m iz e1)( 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 多目標(biāo)優(yōu)化的遺傳算法 向量評價(jià)遺傳算法（非 Pareto法） ： 子種群的產(chǎn)生根據(jù)每一個(gè)目標(biāo)函數(shù)分別進(jìn)行選擇。 目前基于 Pareto的遺傳算法占據(jù)主要地位。 解決多目標(biāo)優(yōu)化問題 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 傳統(tǒng)方法 多目標(biāo)加權(quán)法 層次優(yōu)化法 目標(biāo)規(guī)劃法等 特點(diǎn)：將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)處理，只能得到特定條件下的某一 Pareto解。 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 解決帶約束的函數(shù)優(yōu)化問題 cij 27 28 25 20 20 20 20 20 0 21 50 62 93 77 1000 20 21 0 17 54 67 1000 48 20 50 17 0 60 98 67 25 23 62 54 60 0 27 1000 38 26 93 67 98 27 0 47 42 25 77 1000 67 1000 47 0 35 26 1000 48 25 38 42 35 0 ? 求解線性約束優(yōu)化問題的遺傳算法 例： 7 7運(yùn)輸規(guī)劃問題 消除多余變量： 可以消除 13個(gè)變量， x11, x12,…, x17, x21, x31, x41, x51, x61, x71，其余 36個(gè)變量設(shè)定為 y1,y2,…, y36 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 解決帶約束的函數(shù)優(yōu)化問題 ? 求解線性約束優(yōu)化問題的遺傳算法 例： 7 7運(yùn)輸規(guī)劃問題 將原規(guī)劃問題轉(zhuǎn)化為： 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 解決帶約束的函數(shù)優(yōu)化問題 2519137363112519137363130231131302120401 1 393200yyyyyyyyyyyyyyyyyiiiiiiii????????????????????????????? 求解線性約束優(yōu)化問題的遺傳算法 例： 7 7運(yùn)輸規(guī)劃問題 采用的參數(shù)：種群大小 40，均勻變異概率 ，邊界變異概率 ，非均勻變異概率 ，簡單交叉概率 ，單一算術(shù)概率 ，整體算術(shù)概率 ，運(yùn)行代數(shù) 8000。 （ i, j =1,2,…,7 ） 解決帶約束的函數(shù)優(yōu)化問題 遺傳算法的應(yīng)用 智能優(yōu)化計(jì)算 華東理工大學(xué)自動(dòng)化系 2022年 ? 求解線性約束優(yōu)化問題的遺傳算法 例： 7 7運(yùn)輸規(guī)劃問題 解決帶約束的函數(shù)優(yōu)化問題 ????????????????????????????????????????????????????????????20202020252827 )( 77767574737271676665646362615756555453525147464544434241373635343332312726252423222117161514131211xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxtosu b j e c txfM in im izeij????????????????????????????????????