饭桶:しち: 遗传算法
摘要:文章目录二进制7.1 标准遗传算法1 GA简介2 生物学背景3 标准遗传算法1编码2初始种群的生成3适应度评估检测4选择5交叉操作6 变异第二次迭代适应度计算选择交叉操作变异上例每次迭代问题7.2 遗传算法的基本原理和方法7.2.1编码编码定义编码(译码)评估规范和编码
文章目录
- 二进制
- 7.1 标准遗传算法
- 1 GA简介
- 2 生物学背景
- 3 标准遗传算法
- 1编码
- 2初始种群的生成
- 3适应度评估检测
- 4选择
- 5交叉操作
- 6 变异
- 第二次迭代
- 上例每次迭代
- 问题
- 7.2 遗传算法的基本原理和方法
- 7.2.1编码
- 编码定义
- 编码(译码)评估规范和编码原理
- 编码规则
- 编码技术
- 7.2.2初始种群
- 7.2.3适应度函数
- 7.2.4遗传操作
- 7.2.5遗传算法的理论
- 7.3 无标题
- 7.3.1 旅行商问题
- 1 旅行商问题
- 2 编码
- 3 适应度计算
- 4 交叉策略
- 1 (PMX, partally matched crossover)
- 2) 顺序交叉
- 3) 循环交叉
二进制
7.1 标准遗传算法
1 GA简介
- 进化计算技术中的一种
- 以达尔文进化论为理论基础
- Michigan大学的J.Holland教授75
遗传算法怎么用,
- 广泛应用于
- 优化问题求解
- 自适应控制
- 规划设计
- 机器学习
- 人工生命
2 生物学背景
3 标准遗传算法
1编码
- 可行解x编码成可用于遗传算法操作的形式
- 5位二进制无符号整
- 13编码成01101
- 编码后,把原问题的解空间对应到染色体集合。
2初始种群的生成
-
遗传算法的操作是群体型操作
-
首先要有一个群体,
-
混合遗传算法?最初确定的这个群体称初始种群。
-
选4个个体组成初始种群
01101
11000
01000
10011
3适应度评估检测
-
遗传算法简单易懂的例子,本例关心的是函数值
-
可行解“含有适应外部环境的信息”为:
-
函数值越大,解性质越好
4选择
- 从当前种群中选择性状优良的个体,使它们有机会作为父代,
- 适应度越高的个体,被选择的机会就越多
- 用轮盘赌方法来选择
遗传算法基因长度,
基因算法和遗传算法?
- 选择操作结束后,
- 被选中的个体是其本身的遗传性状比较好,选择概率大。
5交叉操作
6 变异
- 第1代繁殖完成,产生新的种群。
- 也就是第1次迭代结束,产生新的可行解。
- 要得到更好可行解,要继续迭代。
- 演示第2次迭代
第二次迭代
适应度计算
选择
交叉操作
- 经过前面各部分操作,新一代种群的遗传特性应优于前一代种群的特性
- 本问题中,就是得到的新的可行解的函数值更大
变异
-
群体中共有20位,再繁殖一次后仍没有一位可变异。
-
第2代繁殖完成,产生新的种群。
-
第2次迭代结束,产生新的可行解。
-
要得到更好的可行解,还要继续迭代
上例每次迭代
- 每次迭代,群体中的个体的遗传性状都有改良,
- 可行解中最好解的函数值都在增大
- 这种逐步向最优解靠近的性质称为收敛性
- 标准遗传算法的原理和操作流程介绍完
问题
- 遗传算法的各操作步骤中有哪些技术
- 编码有哪些技术
- 初始种群的生成
- 适应度的计算
- 交叉操作
- 变异操作
- 停机准则应怎样确定
- 算法是否有收敛性
7.2 遗传算法的基本原理和方法
7.2.1编码
编码定义
-
问题空间
-
GA空间
-
问题空间到GA空间的映射称coding
-
GA空间到问题空间的映射称decoding
编码(译码)评估规范和编码原理
- 完备性:
- 问题空间中的所有点(候选解)
- 都能为GA空间中的点(染色体)表现
- 健全性:
- 非冗余性
编码规则
- 易于生成与所求问题相关的短距和低阶积木块。
- 采用最小字符集以使问题得到自然的表达或描述
编码技术
7.2.2初始种群
7.2.3适应度函数
适应度函数的定标(scaling)
- 适应度和幸存再生彼此相关
- 大量的后代幸存
- 是由于它们能够适应环境,
- 能适应环境是由于它们的有大量的后代幸存
- 自然界中,幸存是最终目标。
- 为此,有必要,也有机会来调整群体中成员的竞争水平,
- 这种对适应度的调整称为适应度定标
7.2.4遗传操作
-
遗传操作:选择、交叉、变异
-
选择操作
- 常用方法
- 适应度比例法,即轮盘赌方法
- 最佳个体保存法
- 期望值方法
- 排序选择方法
7.2.5遗传算法的理论
模式理论
依概率收敛理论
- 依概率收敛理论用概率论的原理和方法,
- 分析每一代个体(可行解)随迭代次数的增加
- 在概率意义下,逐步向最优解靠近的过程。
- 并给出一些结论。
马尔可夫链理论
- 马尔可夫链理论是用一类随机过程马尔可夫过程,
- 一代种群与下一代种群之间的概率特性,
7.3 无标题
7.3.1 旅行商问题
1 旅行商问题
- C1,C2,…Cn。
- 推销员从C1出发,走遍所有城市,返C1
- 选什么路径,使总距离最短
2 编码
3 适应度计算
- 长度越长,该串的适应度越小。
- 与目标:找长度最小的串,一致
4 交叉策略
1 (PMX, partally matched crossover)
2) 顺序交叉
- 移动匹配区域至起点,在其后面预留相等于匹配区域的空间,
- 即H的数目,
- 再将其余的码按照相对应的次序排列在预留区后面
- 最后将父串A、B的匹配区域交换
- 放到A′′,B′′A'',B''A′′,B′′的预留区内,得
3) 循环交叉
-
共确定3个循环。
-
以循环为单位,交叉。
-
选择第2、3个循环交叉,其它循环不动,