遺傳算法-教案

1、精選優(yōu)質(zhì)文檔-傾情為你奉上遺傳算法【教學目標】1. 了解遺傳算法的背景2. 理解基本思想3. 理解遺傳算法的計算過程4. 了解特點【教學重點】1. 理解基本思想2. 理解遺傳算法的計算過程【教學難點】1. 理解基本思想2. 理解遺傳算法的計算過程【教學準備】多媒體課件【教學過程】1、 創(chuàng)設問題，引入課題 【提問】二者有何聯(lián)系呢？6.11 遺傳算法簡述 一、背景依據(jù)生物進化論的“適者生存”規(guī)律而提出主要生物進化特主要生物進化特征體現(xiàn)（1）進化發(fā)生在解的編碼（染色體）上。 （2）自然選擇規(guī)律決定優(yōu)秀的染色體產(chǎn)生超過平均數(shù)的后代。遺傳算法通過優(yōu)化目標構(gòu)造適應函數(shù)以達到好的染色體超過平均數(shù)的后代。（3

2、）染色體結(jié)合時，雙親的遺傳基因結(jié)合使得子女保持父母的特征。（4）當染色體結(jié)合后，隨機變異會造成子代與父代不同。二. 基本思想1.對求解空間的各個解進行編碼。2.在尋優(yōu)過程中，通過對染色體進行結(jié)合（選擇、交配和變異），不斷產(chǎn)生新的解3.根據(jù)適應函數(shù)在新解中選擇部分染色體繼續(xù)進行結(jié)合，4.直至最終找到最好的解。切削用量：切削深度 ap、切削寬度 aw、切削速度 v 、銑刀每齒進給量 az ，v 和 az 二項作為優(yōu)化物種v的工作范圍是 1 250 m /min, az的范圍是 0. 015 0. 20 m mv= 150 m /min,二進制數(shù)表達 。az= 0. 10 mm , 二進制數(shù)表達 以

3、生產(chǎn)率為目標的適合度函數(shù) F1F1= 1 / Tw = f 1 (az, v ) ,(az , v ) D.式中 T w 為單個工序生產(chǎn)時間, D 為切削參數(shù)范圍。 以生產(chǎn)成本為目標的適合度函數(shù) F2 = 1 /Cw= f 2 (az , v ) ,(az , v ) D.式中: Cw 為單個工序的生產(chǎn)成本。適合度是反映物種對優(yōu)化目標的適應能力。 默認目標函數(shù) FM在實際生產(chǎn)中, 追求的是低成本下的較高生產(chǎn)率, FM = MRR /T= f ( fzv ) ,(fzv) D.式中, MRR為金屬與除量,單位為 mm3/min, 反映生產(chǎn)率; T 為刀具耐用度理論計算值,反映成本?；蛑亟M通過雜

4、交和變異使的種性變得更優(yōu)異.雜交是將二物種的碼鏈尾部截斷,通過相互交換而產(chǎn)生新物種。原物種雜交后的新物種A= 10011A= 01100 B= 01100B= 10011變異是隨機地將原物種碼鏈中的任一位二進制數(shù)翻轉(zhuǎn)形成新物種。原物種變異后的新物種C=10010C=10010遺傳尋優(yōu)迭代計算對基因重組后產(chǎn)生的新物種種群再重復進行以優(yōu)化目標為方向的適合度計算,并進行排隊擇優(yōu)。直到選出單個物種達到允許的優(yōu)化值,或其它收斂條件滿足為止。三、特點1. 作用在解的某種編碼上不是直接作用在解空間上，2. 從一個群體解而不是一個解開始搜索，能以較大概率找到全局最優(yōu)解。3. 對搜索空間無任何特殊要求，只利用適應度信息，而傳統(tǒng)搜索算法一般要使用導數(shù)等其他輔助信息。4. 使用隨機轉(zhuǎn)移規(guī)則而不是確定性的轉(zhuǎn)移規(guī)則。5. 遺傳算法耗費機時太多,需要解決計算精度與效率的問題五、課堂小結(jié)內(nèi)容：1. 遺傳算法的背景2. 基本思想3. 以實例介紹了遺傳算法的計算過程4. 特點六、布置作業(yè)若既要使得金屬的去除率最大，又要滿足機床額定功率和指定的切削范圍，試求此有約束最大值優(yōu)化問題？【教學反思】遺傳算法的基本思想來源