陳景偉-遺傳算法基本原理課件

遺傳算法基本原理陳景偉提綱遺傳算法概述實現(xiàn)遺傳算法的基本步驟遺傳算法的應(yīng)用遺傳算法概述尋優(yōu)算法：求解最優(yōu)值問題的方法遺傳算法粒子群算法模擬退火算法……遺傳算法的概念是在1975年由Michigan大學(xué)的J.Holland提出的，這是一種通過模擬自然進化過程尋找最優(yōu)解的方法。遺傳算法概述遺傳算法的基本原理：生物進化論和遺傳學(xué)遺傳：子代與父代具有相同或相似的性狀，保證物種的穩(wěn)定性；變異：子代與父代，以及子代不同個體之間總有差異，是生命多樣性的根源；生存斗爭與適者生存：具有適應(yīng)性變異的個體被保留，不具有適應(yīng)性變異的個體被淘汰。進化：生物在其延續(xù)生存的過程中，逐漸適應(yīng)其生存環(huán)境，使得其品質(zhì)不斷改良，這種現(xiàn)象被稱為進化。實現(xiàn)遺傳算法的基本步驟編碼與解碼實現(xiàn)遺傳算法的第一步就是明確對求解問題的編碼和解碼方式。對于函數(shù)優(yōu)化問題，一般有兩種編碼方式：實數(shù)編碼：直接用實數(shù)表示基因，容易理解且不需要解碼過程，但容易過早收斂，從而陷入局部最優(yōu)。二進制編碼：簡單易行，穩(wěn)定性高，種群多樣性大，但需要的存儲空間大。一串編碼代表一個染色體。實現(xiàn)遺傳算法的基本步驟適應(yīng)度函數(shù)進化論中的適應(yīng)度，是表示某一個體對環(huán)境的適應(yīng)能力，也表示該個體繁殖后代的能力。遺傳算法的適應(yīng)度函數(shù)也叫評價函數(shù)，是用來判斷群體中的個體的優(yōu)劣程度的指標(biāo)，它是根據(jù)所求問題的目標(biāo)函數(shù)來進行評估的。遺傳算法在搜索進化過程中一般不需要其他外部信息，僅用評估函數(shù)來評估個體或解的優(yōu)劣，并作為以后遺傳操作的依據(jù)。由于遺傳算法中，適應(yīng)度函數(shù)要比較排序并在此基礎(chǔ)上計算選擇概率，所以適應(yīng)度函數(shù)的值要取正值。由此可見，在不少場合，將目標(biāo)函數(shù)映射成求最大值形式且函數(shù)值非負(fù)的適應(yīng)度函數(shù)是必要的。實現(xiàn)遺傳算法的基本步驟遺傳算子遺傳算子是用來模擬生物基因遺傳的算子，包括選擇、交配和突變?nèi)N算子。選擇選擇操作是從前代種群中選擇多對較優(yōu)個體，一對較優(yōu)個體稱之為一對父母，讓父母們將它們的基因傳遞到下一代，直到下一代個體數(shù)量達到種群數(shù)量上限；在選擇操作前，將種群中個體按照適應(yīng)度從小到大進行排列，采用一種選擇方法，如輪盤賭方法，各個個體被選中的概率與其適應(yīng)度函數(shù)值大小成正比。輪盤賭選擇方法具有隨機性，在選擇的過程中可能會丟掉較好的個體，所以可以使用精英機制，將前代最優(yōu)個體直接選擇。實現(xiàn)遺傳算法的基本步驟遺傳算法流程遺傳算法的應(yīng)用函數(shù)優(yōu)化函數(shù)優(yōu)化是遺傳算法的經(jīng)典應(yīng)用領(lǐng)域，也是遺傳算法進行性能評價的常用算例。對于一些非線性、多模型、多目標(biāo)的函數(shù)優(yōu)化問題，用其它優(yōu)化方法較難求解，而遺傳算法可以方便的得到較好的結(jié)果。組合優(yōu)化主要用于解決組合優(yōu)化中的NP完全問題。自動控制如模糊控制器優(yōu)化設(shè)計、參數(shù)辨識等。遺傳算法的應(yīng)用函數(shù)優(yōu)化例子：遺傳算法的應(yīng)用評價個體適應(yīng)度遺傳算法的應(yīng)用遺傳算法的應(yīng)用遺傳算法的應(yīng)用種群每條染色體的適應(yīng)度、被復(fù)制概率和累積概率遺傳算法的應(yīng)用遺傳操作：突變遺傳算法的應(yīng)用遺傳算法的應(yīng)用遺傳算法的應(yīng)用至此，已經(jīng)完成了遺傳算法的第一代操作。重復(fù)以上操作，直到最優(yōu)個體的適應(yīng)度達到給定的閾值，或者最優(yōu)個體的適應(yīng)度和群體適應(yīng)度不再上升時，