遺傳算法實(shí)例參考ppt課件(參考版)
2025-05-10 02:31本頁面
【正文】 算法的主要過程為： ⑴ 并列選擇過程 ⑵ 保留 Pareto最優(yōu)個(gè)體過程 ⑶ 共享函數(shù)處理過程 六、思考與學(xué)習(xí) ? 藥物配方研究中的最優(yōu)組合方案 ? 算法設(shè)計(jì)： C —— 個(gè)體的 編碼方法 ：基因，染色體 E —— 個(gè)體 適應(yīng)度評(píng)價(jià)函數(shù) ； P0 —— 初始群體 ； T —— 遺傳運(yùn)算終止條件 （ 操作設(shè)計(jì) ） M —— 群體大小； Φ —— 選擇算子； Γ —— 交叉算子； （ 控制參數(shù)設(shè)定 ） Ψ —— 變異算子； 濃度 mg/L 釘螺死亡率 /% 24h 48h 72h 96h 20℃ 25℃ 30℃ 20℃ 25℃ 30℃ 20℃ 25℃ 30℃ 20℃ 25℃ 30℃ 12 32 46 38 90 96 60 100 100 82 100 100 10 18 38 26 80 94 32 100 100 64 100 100 8 12 16 14 48 86 16 100 100 40 100 100 4 12 16 10 32 76 14 26 100 40 68 100 2 8 10 8 30 48 12 16 92 16 36 98 2 6 6 4 8 24 8 20 42 8 26 100 清水 0 2 0 0 4 0 0 0 6 2 2 18 不同濃度、溫度、時(shí)間生物堿殺螺結(jié)果 七、參考文獻(xiàn) ? MATLAB 遺傳算法工具箱及應(yīng)用 雷英杰主編 ? MATLAB 應(yīng)用接口編程 飛思科技產(chǎn)品研發(fā)中心 。 ? 小生境數(shù)的計(jì)算方法定義為： 式中 s(d)為共享函數(shù)， d(X, Y)為個(gè)體 X, Y之間的海明距離。 共享函數(shù)法 ? 求解多目標(biāo)最優(yōu)化問題時(shí)，一般希望所得到的解能夠盡可能地分散在整個(gè) Pareto最優(yōu)解集合內(nèi)，而不是集中在其 Pareto最優(yōu)解集合內(nèi)的某一個(gè)較小的區(qū)域上。 排列選擇法 ? 排列選擇法的基本思想是，基于 Pareto最優(yōu)個(gè)體，對(duì)群體中的各個(gè)個(gè)體進(jìn)行排序，依據(jù)這個(gè)排列次序來進(jìn)行進(jìn)化過程中的選擇運(yùn)算，從而使得排在前面的 Pareto最優(yōu)個(gè)體將有更多的機(jī)會(huì)遺傳到下一代群體中。 多目標(biāo)優(yōu)化問題的遺傳算法 ? 權(quán)重系數(shù)變換法 ? 并列選擇法 ? 排列選擇法 ? 共享函數(shù)法 ? 混合法 權(quán)重系數(shù)變換法 ? 對(duì)于一個(gè)多目標(biāo)優(yōu)化問題，若給其每個(gè)子目標(biāo)函數(shù) f(xi) (i=1, 2, …, n) 賦予權(quán)重 wi，其中 wi為相應(yīng)的f(xi) 在多目標(biāo)優(yōu)化問題中的重要程度，則各個(gè)子目標(biāo)函數(shù) f(xi)的線性加權(quán)和表示為 ? 若將 u作為多目標(biāo)優(yōu)化問題的評(píng)價(jià)函數(shù)，則多目標(biāo)優(yōu)化問題就可以轉(zhuǎn)化為單目標(biāo)優(yōu)化問題，即可以利用單目標(biāo)優(yōu)化的遺傳函數(shù)求解多目標(biāo)優(yōu)化問題。這種多于一個(gè)的數(shù)值目標(biāo)的最優(yōu)問題就是多目標(biāo)優(yōu)化問題。在實(shí)際應(yīng)用中，工程優(yōu)化問題大多數(shù)是多目標(biāo)優(yōu)化問題，有時(shí)需要使多個(gè)目標(biāo)在給定區(qū)域上都可能地達(dá)到最優(yōu)的問題，目標(biāo)之間一般都是相互沖突的。 ? 收斂速度慢的解決方法： 產(chǎn)生好的初始群體；小生境技術(shù)；移民技術(shù)；自適應(yīng)算子；與局部搜索結(jié)合的混合遺傳算法；參數(shù)編碼的動(dòng)態(tài)模糊控制；進(jìn)行未成熟收斂判斷。 ? 采用與局部搜索算法相結(jié)合的混合遺傳算法，解決局部搜索能力差的問題。 ? 該算法的優(yōu)點(diǎn)：進(jìn)化過程中，子代總是保留了父代中最好的個(gè)體，保證了全局最優(yōu)解。 ? 七種改進(jìn)的遺傳算法 分層遺傳算法；自適應(yīng)遺傳算法；基于小生境技術(shù)的遺傳算法；并行遺傳算法；混合遺傳算法：遺傳算法與最速下降法相結(jié)合的混合遺傳算法； 遺傳算法與模擬退火法相結(jié)合的混合遺傳算法。即：用 31和 32的個(gè)體代替 25和 26的個(gè)體。 Chrom=reins(Chrom, SelCh, 1, 1, ObjVCh)。 ObjVSel=[31。25。23。 Chrom=reins(Chrom, SelCh) Chrom=reins(Chrom, SelCh, SUBPOP) Chrom=reins(Chrom, SelCh, SUBPOP, InsOpt, ObjVCh) Chrom=reins(Chrom, SelCh, SUBPOP, InsOpt, ObjVCh, ObjVSel) ? 舉例： ObjVCh=[21。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1