13人工智能與專家系統(tǒng)(xxxx)-在線瀏覽
2025-03-30 12:54本頁面
【正文】 傳算子，在個體編碼上使用了雙倍體的編碼方法。他還敏銳地意識到了在遺傳算法執(zhí)行的不同階段可以使用不同的選擇率，這將有利于防止遺傳算法的早熟現(xiàn)象，從而創(chuàng)立了自適應(yīng)遺傳算法的概念。 1975年， Holland出版了第一本系統(tǒng)論述遺傳算法和人工自適應(yīng)系統(tǒng)的專著《自然系統(tǒng)和人工系統(tǒng)的自適應(yīng)性（ Adaptation in Natural and Artificial Systems）》。 遺傳算法的發(fā)展 17 ? 1989年， Goldberg出版了專著《搜索、優(yōu)化和機器學(xué)習(xí)中的遺傳算法》。 遺傳算法的發(fā)展 18 ? 1992年， Koza將遺傳算法應(yīng)用于計算機程序的優(yōu)化設(shè)計及自動生成，提出了遺傳編程的概念。 遺傳算法的發(fā)展 19 2 遺傳算法的基本原理 遺傳算法的基本思想是基于 Darwin進(jìn)化論和 Mendel的遺傳學(xué)說。它認(rèn)為每一物種在發(fā)展中越來越適應(yīng)環(huán)境。在環(huán)境變化時，只有那些能適應(yīng)環(huán)境的個體特征方能保留下來。認(rèn)為遺傳以密碼方式存在細(xì)胞中，并以基因形式包含在染色體內(nèi)?；蛲蛔兒突螂s交可產(chǎn)生更適應(yīng)于環(huán)境的后代。 20 遺傳算法與傳統(tǒng)優(yōu)化算法的主要不同 1) 遺傳算法不是直接作用在參變量集上 , 而是利用參變量集的某種編碼 。 3) 遺傳算法利用適應(yīng)值信息 , 無需導(dǎo)數(shù)或其它輔助信息 。 21 遺傳算法的缺點 ? 編碼不規(guī)范及編碼存在表示的不準(zhǔn)確性。 ? 易于陷入局部最優(yōu)點，導(dǎo)致早熟。 基本遺傳算法使用固定長度的二進(jìn)制符號串表示群體的個體，其等位基因是由二值符號 {0， 1}所組成的。 3. 2個體適應(yīng)度評價 基本遺傳算法按與個體適用度成正比的概率來決定當(dāng)前群體中每個個體遺傳到下一代群體中的機會多少。根據(jù)不同種類的問題，必須預(yù)先確定好由目標(biāo)函數(shù)值到個體適應(yīng)度的轉(zhuǎn)換規(guī)則。按照某種策略從父代中挑選個體進(jìn)入下一代，如使用比例選擇、輪盤式選擇。將從群體中選擇的兩個個體，按照某種策略使兩個個體相互交換部分染色體，從而形成兩個新的個體。 ? 變異算子 (mutation)：按照一定的概率（一般較小），改變?nèi)旧w中某些基因的值。 T：遺傳算法終止的進(jìn)化代數(shù)。 Pm：變異概率，一般取為 ～ 。 2) 遺傳算法不是從單個點 , 而是在群體中從一個點開始搜索 。 4) 遺傳算法利用概率轉(zhuǎn)移規(guī)則 , 而非確定性規(guī)則。 對一個需要進(jìn)行優(yōu)化和計算的實際應(yīng)用問題 ， 一般可按下述步驟來求解問題的遺傳算法 。 2）確定適應(yīng)值的度量 。 4）確定怎樣指定結(jié)果及程序運行結(jié)束的標(biāo)準(zhǔn)。 對于具體問題 ， 可按下述步驟來構(gòu)造： ? ①確定決策變量及其各種約束條件，即確定出個體的表現(xiàn)型 X和問題的解空間； ? ②建立優(yōu)化模型，即描述出目標(biāo)函數(shù)的類型及其數(shù)學(xué)描述形式或量化方法； 28 4 遺傳算法的應(yīng)用步驟 ? ③ 確定表示可行解的染色體編碼方法 ，即確定出個體的基因型 X及遺傳算法的搜索空間； ? ④ 確定解碼方法 ， 即確定出由個體基因型 X到個體表現(xiàn)型 X的對應(yīng)關(guān)系或轉(zhuǎn)換方法； ? ⑤確定個體適應(yīng)度的量化評價方法，即確定出由目標(biāo)函數(shù)值 到個體適應(yīng)度的轉(zhuǎn)換規(guī)則； )(Xf29 4 遺傳算法的應(yīng)用步驟 ? ⑥ 設(shè)計遺傳算子 ， 即確定出選擇運算 、交叉運算 、 變異運算等遺傳算子的具體操作方法； ? ⑦確定遺傳算法的有關(guān)運行參數(shù)，即確定出遺傳算法的 等參數(shù)。 11000， 11011， 11001， 10011 （ 8）重復(fù)上述操作： 說明： GA的終止條件一般人為設(shè)置； GA只能求次優(yōu)解或滿意解。 若隨機的將個體 01101選入新群體中，有可能找到最優(yōu)解。于是，經(jīng)復(fù)制得群體： s1’ =11000（ 24） , s2’ =01101（ 13） , s3’ =11000（ 24） , s4’ =10011（ 19） 可以看出，在第一輪選擇中適應(yīng)度最高的染色體 s2被選中兩次，因而被復(fù)制兩次；而適應(yīng)度最低的染色體 s3一次也沒有選中而遭淘汰。 設(shè) s1’與 s2’配對 ， s2’與 s4’配對 。 這樣 ， 群體 S1中共有 =位基因可以變異 。 現(xiàn)在 ， 我們得到了第二代種群 S2： s1=11001（ 25） , s2=01100（ 12） , s3=11011（ 27） , s4=10000（ 16） 37 第二代種群 S2中各染色體的情況 染色體 適應(yīng)度 選擇概率 積累概率 估計被選中次數(shù) s 1 = 1 1 0 0 1 625 0 .3 6 0 .3 6 1 s 2 = 0 1 1 0 0 144 0 .0 8 0 .4 4 0 s 3 = 1 1 0 1 1 729 0 .4 1 0 .8 5 2 s 4 = 1 0 0 0 0 256 0 .1 5 1 .0 0 1 38 假設(shè)這一輪選擇 復(fù)制操作中，種群 S2中的 4個染色體都被選中（因為選擇概率畢竟只是一種幾率，所以 4個染色體恰好都被選中的情況是存在的），我們得到群體： s1’ =11001（ 25） , s2’ =01100（
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1