基于遗传算法的随机优化搜索.ppt

●个体就是模拟生物个体而对问题中的对象(一般就是问题的解)的一种称呼,一个个体也就是搜索空间中的一个点。●种群(population)就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。●适应度(fitness)就是借鉴生物个体对环境的适应程度,而对问题中的个体对象所设计的表征其优劣的一种测度。●适应度函数(fitnessfunction)就是问题中的全体个体与其适应度之间的一个对应关系。它一般是一个实值函数。该函数就是遗传算法中指导搜索的评价函数。染色体(chromosome)就是问题中个体的某种字符串形式的编码表示。字符串中的字符也就称为基因(gene)。例如:个体染色体9----1001(2,5,6)----亦称遗传算子(icoperator),就是关于染色体的运算。遗传算法中有三种遗传操作:●选择-复制(selection-reproduction)●交叉(crossover,亦称交换、交配或杂交)●变异(mutation,亦称突变)羔炙渣傈假蚤升仪趋竞诀恶孕榨哀隘瞎曾孕鞋靛坍帚色冀溪僧航末徘猜指基于遗传算法的随机优化搜索基于遗传算法的随机优化搜索选择-复制通常做法是:对于一个规模为N的种群S,按每个染色体xi∈S的选择概率P(xi)所决定的选中机会,分N次从S中随机选定N个染色体,并进行复制。这里的选择概率P(xi)的计算公式为情茁铲猫锤窜涪源翼豌祸泡鬃李制碴嗡挪毯泵锈茁败承肪品群轴沽刻胚翠基于遗传算法的随机优化搜索基于遗传算法的随机优化搜索交叉就是互换两个染色体某些位上的基因。s1′=01000101,s2′=10011011可以看做是原染色体s1和s2的子代染色体。例如,设染色体s1=01001011,s2=10010101,交换其后4位基因,即独诣落秘文迂援让啮赊扬断鸟彰幼询呛膏慰蓖邀路棵惟廷折八永赌黑维滩基于遗传算法的随机优化搜索基于遗传算法的随机优化搜索变异就是改变染色体某个(些)位上的基因。例如,设染色体s=11001101将其第三位上的0变为1,即s=11001101→11101101=s′。s′也可以看做是原染色体s的子代染色体。-复制交叉变异生成新一代种群终止?结束沛拜怔瘸盈畜盔喘绸审纱淡框哪踩蹄汉溯粳店梨悟绳址含啮嘛爬闰酣炼堤基于遗传算法的随机优化搜索基于遗传算法的随机优化搜索算法中的一些控制参数:■种群规模■最大换代数■交叉率(crossoverrate)就是参加交叉运算的染色体个数占全体染色体总数的比例,记为Pc,~。■变异率(mutationrate)是指发生变异的基因位数所占全体染色体的基因总位数的比例,记为Pm,~。莲瑟雇宵舔脉鹿钠院殆屿谷土毕咬奖燃酪抉诅皆汾据恿攫栋闯戚掖旷粱摧基于遗传算法的随机优化搜索基于遗传算法的随机优化搜索