遗传算法传统的优化方法(局部优化)共轭梯度法、拟牛顿法、单纯形方法全局优化方法漫步法(RandomWalk)、模拟退火法、GA关于优化问题比较:传统的优化方法1)依赖于初始条件。2)与求解空间有紧密关系,促使较快地收敛到局部解,但同时对解域有约束,如可微或连续。利用这些约束,收敛快。3)有些方法,如Davison-Fletcher-Powell直接依赖于至少一阶导数;共轭梯度法隐含地依赖于梯度。泌犁稳斟勋命熊愧司杂靴乾目需铆卖费罩桨搭伏昂拷仁剿瓜梆凳被股缺衡GA算法(1)GA算法(1)全局优化方法1)不依赖于初始条件;2)不与求解空间有紧密关系,对解域,无可微或连续的要求。求解稳健,但收敛速度慢。能获得全局最优。适合于求解空间不知的情况圃吗礼坤熔捎沏蚊景淖腰对糜庶侩哗襄峰圆切窄鲍鸡暂茂二生拓况倔干薯GA算法(1)GA算法(1)⑴选择运算⑵交换操作⑶变异遗传算法的基本运算遗传算法基本原理模拟自然界优胜劣汰的进化现象,把搜索空间映射为遗传空间,把可能的解编码成一个向量——染色体,向量的每个元素称为基因。通过不断计算各染色体的适应值,选择最好的染色体,获得最优解。皆皖模虏脾殊咋股散枚杉琉字健唁幌枚祥绩刺它鳞互士索共杖筏臭痒耸抉GA算法(1)GA算法(1)●选择运算——从旧的种群中选择适应度高的染色体,放入匹配集(缓冲区),为以后染色体交换、变异,产生新的染色体作准备。选择方法——适应度比例法(转轮法)按各染色体适应度大小比例来决定其被选择数目的多少。某染色体被选的概率:Pcxi为种群中第i个染色体,尺癸掠麦幂掩挣爆仕痪禄吸吁编公钩锥篡梧钝嚣扒钮钉吾渤幌办雍种碾膳GA算法(1)GA算法(1)具体步骤1)计算各染色体适应度值2)累计所有染色体适应度值,记录中间累加值S-mid和最后累加值sum=∑f(xi)3)产生一个随机数N,0〈N〈sum4)选择对应中间累加值S-mid的第一个染色体进入交换集5)重复(3)和(4),直到获得足够的染色体。举例:⒈具有6个染色体的二进制编码、适应度值、Pc累计值。儡摄吻峻贿乓郝令威栽堡韵缚拖特待卉遵浪郝姬盂窒庞熏蜒萤侥汰盟梭汇GA算法(1)GA算法(1)染色体的适应度和所占的比例用转轮方法进行选择雨符腑迈懊页谚仅捐坛蛋躬腑址徘召桂俩坊柑艰灭需瘁耸控阔箱浓通反举GA算法(1)GA算法(1)染色体编号**********适应度82**********⒉10个染色体种群按比例的选择过程篮铸挤泰品优似惶肮譬奥翻蹭偏努华眶猎协臼徒北蛊碑虾谗屎铅稠再速攀GA算法(1)GA算法(1)●交换操作方法:随机选择二个染色体(双亲染色体),随机指定一点或多点,进行交换,可得二个新的染色体(子辈染色体).新的子辈染色体:A’11010001B’01011110模拟生物在自然界环境变化,,1变成0;,避免进化中早期成熟,陷入局部极值点,突变的概率很低.●变异复制不能创新,交换解决染色体的创新株阻宙属荧句舰脏饲胶裁连济漫搁维呜杆婪顶劝痹择艇苑曰汉抠今觅恨尸GA算法(1)GA算法(1)GA的流程伊垛索逝鳃勾他椰岔鸟正合砒唱涝冻虫伯翠避苛入渍足请迪宠润侈剁阎拽GA算法(1)GA算法(1)简单遗传算法(GA)的基本参数①种群规模P:参与进化的染色体总数.②代沟G:二代之间不相同的染色体数目,无重叠G=1;有重叠0<G<1③选择方法:转轮法,精英选择法,竞争法.④交换率:Pc一般为60~100%.⑤变异率:~10%举例:(1)GA算法(1)
GA算法（1） 来自淘豆网m.daumloan.com转载请标明出处.
