人工智能遺傳算法教程-文庫(kù)吧資料
2024-10-25 09:55本頁(yè)面
【正文】 f (s4) = f(19) = 192 = 361 再計(jì)算種群 S1中各個(gè)體的選擇概率。 將種群規(guī)模設(shè)定為 4； 用 5位二進(jìn)制數(shù)編碼染色體；取下列個(gè)體組成 初始種群 S1: s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) (3) 計(jì)算各代種群中的各個(gè)體的 適應(yīng)度 , 并對(duì)其染色體進(jìn)行遺傳操作 ,直到適應(yīng)度最高的個(gè)體 (即 31（ 11111） )出現(xiàn)為止 。這樣 , 只要能給出個(gè)體 x的適當(dāng)染色體編碼 , 該問(wèn)題就可以用遺傳算法來(lái)解決。 分 析 原問(wèn)題可轉(zhuǎn)化為在區(qū)間［ 0, 31］中搜索能使 y取最大值的點(diǎn) a的問(wèn)題。 簡(jiǎn)單遺傳算法（基本遺傳算法） 步 1 在搜索空間 U上定義一個(gè) 適應(yīng)度函數(shù)f(x)， 給定種群規(guī)模 N， 交叉率 Pc和變異率 Pm，代數(shù) T； 步 2 隨機(jī)產(chǎn)生 U中的 N個(gè)個(gè)體 s1, s2, … , sN，組成 初始種群 S={s1, s2, … , sN}， 置代數(shù)計(jì)數(shù)器 t=1； 步 3 計(jì)算 S中每個(gè)個(gè)體的 適應(yīng)度 f() ； 步 4 若終止條件滿(mǎn)足 ， 則取 S中適應(yīng)度最大的個(gè)體作為所求結(jié)果 ， 算法結(jié)束 。 4. 簡(jiǎn)單遺傳算法 ?簡(jiǎn)單遺傳算法又稱(chēng)為 SGA – Simple Geic Algorithm ?思想 – 從初始種群出發(fā)，采用基本的遺傳算子進(jìn)行運(yùn)算，產(chǎn)生下一代種群；反復(fù)進(jìn)行，直到滿(mǎn)足終止條件 生成初始種群 計(jì)算適應(yīng)度 選擇 復(fù)制 交叉 變異 生成新一代種群 終止 ? 結(jié)束 算法流程圖 算法中的一些控制參數(shù)： ■ 種群規(guī)模： 種群包含的染色體數(shù)目 ■ 最大換代數(shù)： 染色體更新?lián)Q代的最大數(shù)目 ■ 交叉率 (crossover rate)就是參加交叉運(yùn)算的染色體個(gè)數(shù)占全體染色體總數(shù)的比例 ， 記為 Pc,取值范圍一般為 ～ 。 S1 S2 變異 : 就是 改變?nèi)旧w某個(gè) (些 )位上的基因 。 ???NjjiixfxfxP1)()()(這里的選擇概率 P(xi)的計(jì)算公式為 交叉 就是 互換兩個(gè)染色體某些位上的基因 。 例如： 個(gè)體 染色體 9 1001 （ 2， 5， 6） 010 101 110 5. 遺傳操作 亦稱(chēng)遺傳算子 (geic operator)， 就是 關(guān)于染色體的運(yùn)算 。 4. 染色體與基因 染色體 （ chromosome） 就是 問(wèn)題中個(gè)體的某種字符串形式的編碼表示 。 該函數(shù)就是 遺傳算 法中指導(dǎo)搜索的評(píng)價(jià)函數(shù) 。 ● 適應(yīng)度函數(shù) (fitness function)就是問(wèn)題中的 全體個(gè)體與其適應(yīng)度之間的一個(gè)對(duì)應(yīng)關(guān)系 。 ● 種群是模擬生物種群，由 若干個(gè)體組成的群 體 , 它一般是整個(gè)解空間的一個(gè)很小的子集。 問(wèn)題的最優(yōu)解和次優(yōu)解都包含在一個(gè) 龐大的解集合 中 ， 即問(wèn)題
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1