經(jīng)典的遺傳算法教程-文庫吧資料
2025-05-18 21:04本頁面
【正文】 位置之間的距離； ⑵ 圖式的階次 (或固定長(zhǎng)度 )O(H） —— H中非 *位（有定義位） 的個(gè)數(shù)。 選擇方法用競(jìng)爭(zhēng)法； PC = , Pm = 計(jì)算結(jié)果 ：① 8代后， f(x,y) =, ② 41代后， f(x,y) =, x =, y =. ③ 160次適應(yīng)度計(jì)算，達(dá)到最優(yōu)值。和分別為和的最大值和最小值?；?0變成 體的多樣性 ,避免進(jìn)化中早期成熟 ,陷入局部極值點(diǎn) ,突變的概率很低 . ● 變異 復(fù)制不能創(chuàng)新 ,交換解決染色體的創(chuàng)新 GA的流程 簡(jiǎn)單遺傳算法（ GA）的基本參數(shù) ① 種群規(guī)模 P: 參與進(jìn)化的染色體總數(shù) . ② 代溝 G: 二代之間不相同的染色體數(shù)目 ,無重疊 G = 1。 舉例： ⒈具有 6個(gè)染色體的二進(jìn)制編碼、適應(yīng)度值、 Pc累計(jì) 值。 選擇方法 —— 適應(yīng)度比例法（轉(zhuǎn)輪法） 按各染色體適應(yīng)度大小比例來決定其被選擇數(shù)目的多少。 通過不斷計(jì)算各染色體的適應(yīng)值，選擇最好的染色體，獲 得最優(yōu)解。能獲得全局最優(yōu)。 全局優(yōu)化方法 1）不依賴于初始條件； 2）不與求解空間有緊密關(guān)系，對(duì)解域，無可微或連續(xù)的要求。 利用這些約束 ， 收斂快 。遺傳算法 傳統(tǒng)的優(yōu)化方法 （ 局部?jī)?yōu)化 ） 共軛梯度法 、 擬牛頓法 、 單純形方法 全局優(yōu)化方法 漫步法 （ Random Walk） 、 模擬退火法 、 GA 關(guān)于優(yōu)化問題 比較： 傳統(tǒng)的優(yōu)化方法 1） 依賴于初始條件 。 2） 與求解空間有緊密關(guān)系 ， 促使較快地收斂到局部 解 ， 但同時(shí)對(duì)解域有約束 ， 如可微或連續(xù) 。 3） 有些方法 ， 如 DavisonFletcherPowell直接依賴于至少一階導(dǎo)數(shù)； 共軛梯度法隱含地依賴于梯度 。求 解穩(wěn)健，但收斂速度慢。適合于求解空間不知的情況 ⑴ 選擇運(yùn)算 ⑵ 交換操作 ⑶ 變異 遺傳算法的基本運(yùn)算
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1