優(yōu)化算法講ppt課件-在線瀏覽
2025-06-23 00:31本頁面
【正文】 en將這種映射關(guān)系簡化為 單基因座顯性映射方法。描述基因的字符集為 {0, 1, 10}，其中 10為隱性的 1， 1為顯性的 1。 (2) 變異操作需要考慮隱性性狀； (3) 對個體進行交叉、變異運算之后，要進行顯性操作。 ? ② 隨機產(chǎn)生具有二倍體結(jié)構(gòu)的初始群體 P(0)。 ? ④ 評價初始群體 P(0)中各個個體的適應度 。 由每兩個隨機配對的二倍體個體進行交叉操作時 ， 共可產(chǎn)生四個單倍體個體 。 在對群體中的各個個體進行變異操作時 ， 需要考慮隱性基因的作用 。 ? ⑧ 評價群體 P??(t)中各個個體的適應度 。 若不滿足終止條件 ， 則 : t←t+ 1， 轉(zhuǎn)到第 ⑤ 步 ， 繼續(xù)進行進化操作過程；若滿足終止條件 ． 則 :輸出當前最優(yōu)個體 ， 算法結(jié)束 。 結(jié)點 1和結(jié)點 6之間的連通路線，可用以下二種方法來描述： 2022/6/3 16 變長度染色體遺傳算法 ? (1)用二進制編碼來表示各個結(jié)點是否在連通路線上 ， 其中 1表示在連通路線上 ， 0表示不在連通路線上 。 一般它可表示為 : ik是所描述的基因在原常規(guī)染色體中的 基因座編號 ，vk為對應的 基因值 。 使用變長度染色體編碼 ， 該個體就可表示為： Xm： (1， 1)(2， 0)(3， 0)(4， 1)(5， 0)(6， 1) 在這種變長度染色體遺傳算法中 ， 允許染色體的長度可長可短 。而當個體的所有基因都能在編碼串中得到唯一的描述時，這種描述稱為 正常指定 。過剩指定或缺省指定，可按下述規(guī)則來進行解碼處理： (1)描述過剩時的解碼方法 。 例如 ， 對于變長度染色體遺傳算法中的個體 Xm： (1， 1)(2， 0)(3， 0)(4， 1)(5， 0)(6， 1)(3， 1)(1， 0) 它在常規(guī)遺傳算法中所對應的個體為： X： 1 0 0 1 0 1 2022/6/3 20 變長度染色體遺傳算法的編碼與解碼 (2)描述不足時的解碼方法 。 例如 ， 對于變長度染色體遺傳算法中的個體 Xm： (1， 1)(3， 0)(5， 0)(6， 1) 若取缺省值為 0的話 ， 則它在常規(guī)遺傳算法中所對應的個體為： X： 1 0 0 0 0 1 2022/6/3 21 切斷算子與拼接算子 ? 1． 切斷算子 (Cut operator) 切斷算子以某一預先指定的概率 ， 在變長度染色體中隨機選擇一個基因座 ， 在該處將個體的基因型切斷 ， 使之成為二個個體的基因型 。 2022/6/3 22 變長度染色體遺傳算法的算法結(jié)構(gòu) ? 算法 MessyGA （ 1） 初始化 。 （ 2） 適應度評價 。 （ 3） 基本處理階段 。 （ 4） 并列處理階段 。 （ 5） 重復第 ② ~④ 步 ， 直到滿足終止條件為止 。生物在其進化過程中，一般總是與自己相同的物種生活在一起，共同繁衍后代；它們也都是在某一特定的地理區(qū)域中生存。 基本遺傳算法對此無能為力 。 2022/6/3 24 遺傳算法中小生境的實現(xiàn)方法 ? 1． 基于預選擇機制的小生境實現(xiàn)方法(Cavicchio ， 1970年 ） ? 2． 基于排擠的小生境實現(xiàn)方法 （ De Jong，1975年 ） ? 3． 基于共享函數(shù) (Sharing Function)的小生境實現(xiàn)方法 （ Goldberg 和 Richardson ， 1987年 ） 2022/6/3 25 遺傳算法中小生境的實現(xiàn)方法 ? 1．基于預選擇機制的小生境實現(xiàn)方法 1970年 ， Cavicchio率先在遺傳算法中引入了基于預選擇機制 (Preselection)的小生境實現(xiàn)方法 。 由于這種方式趨向于替換與其本身相似的個體(父與子之間的性狀遺傳 )， 因而能夠較好地維持群體的多樣性 ， 并造就小生境的進化環(huán)境 。 這種實現(xiàn)方法的基本思想是：設(shè)置一 排擠因子 CF，由群體中隨機選取的 1／ CF個個體組成排擠成員．然后依據(jù)新產(chǎn)生的個體與 排擠成員的相似性 來排擠掉一些與排擠成員相類似的個體。隨著排擠過程的進行．群體中的個體逐漸被分類，從而形成各個小的生存環(huán)境．并維持了群體的多樣性。 2022/6/3 28 小生境遺傳算法在多峰
教學課件相關(guān)推薦
鄂ICP備17016276號-1