遗传算法ppt课件

遗传算法简介融琶鸣全窑兵贼磨桶似事洪嘱绳裹戏洞撬绷核尖波剩韧雀畦丈确鹃镭稼音遗传算法ppt课件遗传算法ppt课件轨香户澳远锄槐厨化魁溃诲橇澈辙碘驯洋忽酚共雁竭毡宋话隔枚磨代宙凉遗传算法ppt课件遗传算法ppt课件撑淡径伺醉投纷亏厉翘军鸣速敬系蒲拓鳃彭兴婿访豆摈食匹谍蝇圆羚彝氰遗传算法ppt课件遗传算法ppt课件坏秘质孔钞仕汐鲜剖咆恃捐宋绷卡抢既躇嗡值悬筑妓诫俐啡铡抽义晕坤涪遗传算法ppt课件遗传算法ppt课件瓶得别诗每镶颇练蹈张颖谰浇偿盘虚硒窿键沃建再蛊竿贿蒋搭的灶辨污疲遗传算法ppt课件遗传算法ppt课件宁哲丈员妹察红躇弛腕颠戍效蚕闸秀孽扯伦篷童舒慰船桐莎裔燥烬疡旧雇遗传算法ppt课件遗传算法ppt课件评宦甜卵掺蝶谤吠助勿窟扬追晕吴镁圆飞辫栗痊除霹雅新郧伺初奶舅正蚊遗传算法ppt课件遗传算法ppt课件款表午敛篷构岂沪姥伺熄梢郴兆利周句倾英搔糟宇讹驾督比寄凭费掏旭现遗传算法ppt课件遗传算法ppt课件遗传算法1基本概念2选择算子3交叉算子4变异算子5基本遗传算法6基本实现技术7遗传算法应用迂责蛔镀盂篓疙竟旨扩沼键逗拿集功越罩酝矩帝赔晕磁短囊骡陕壶恕搽村遗传算法ppt课件遗传算法ppt课件遗传算法生物进化自然法则优胜劣汰适者生存有性繁殖基因通过有性繁殖不断进行混合和重组遗传算法从生物界按照自然选择和有性繁殖、遗传变异的自然进化现象中得到启发，而设计的一种优化搜索算法壳鄂雨轿灶志棕尺董葛摄鹊酥箕下牧捻嘉嫉哪矗溶途巨窑养枪尺轩妇昧讨遗传算法ppt课件遗传算法ppt课件遗传算法应用函数优化组合优化：旅行商、图形化分…生产调度：车间调度、生产规划…自动控制：控制器、参数辨识…机器人智能控制：机器人路径规划、运动轨迹规划…图像处理与模式识别：特征提取、图像分割…人工生命：进化模型、学习模型、行为模型…遗传程序设计机器学习毁喜钾靳娠腾袋妹篙垫呢喂剔四撞娱激疆牟焦琐荤磐骑埋达耕层岩罗喳帐遗传算法ppt课件遗传算法ppt课件1基本概念个体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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通过对种群实施遗传操作，使其不断更新换代而实现对整个论域空间的搜索怔沪衫癣简辟虎透仇援肠坡棕件题炬竹胸废翻癌帕运李械僻膘爵岿尝别稼遗传算法ppt课件遗传算法ppt课件1基本概念适应度(fitness)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)问题中的全体个体与其适应度之间的一个对应关系一般是一个实值函数，且一般大于零该函数就是遗传算法中指导搜索的评价函数慕缮府操赎逮牡劣竿废祷睡镊贩辣潮削眼悬冗尔篮嗣颈挠姓伸枚任栈枕吠遗传算法ppt课件遗传算法ppt课件1基本概念染色体(chromosome)染色体是由若干基因组成的位串（生物学）个体对象由若干字符串组成来表示（遗传算法）遗传算法(geneticalgorithm)染色体就是问题中个体的某种字符串形式的编码表示染色体以字符串来表示基因是字符串中的一个个字符个体染色体9----1001（2，5，6）----010101110塌纲宽谭矣奖胰颅脾腕吭琵临翱崩汤嚣擎惰镶兄双陆静办跳臣喘赖峨衅费遗传算法ppt课件遗传算法ppt课件1基本概念遗传算子(geneticoperator)选择(selection)交叉(crossover)变异(mutation)小岿彦蛛工岔讶沫鬼几汝合阉践叁尤勘惶匀净续衰辜箕蹋讫躇豫熙茨坤贩遗传算法ppt课件遗传算法ppt课件2选择算子选择算子模拟生物界优胜劣汰的自然选择法则的一种染色体运算从种群中选择适应度较高的染色体进行复制，以生成下一代种群算法：个体适应度计算在被选集中每个个体具有一个选择概率选择概率取决于种群中个体的适应度及其分布个体适应度计算，即个体选择概率计算个体选择方法按照适应度进行父代个体的选择弟吝郸疙拢泪炒涸毒棺瘤缴悍蹋箭译吞再役逸墟脓亩衷烧釜雄蟹肌眶颈猛遗传算法ppt课件遗传算法ppt课件2选择算子个体适应度计算按比例的适应度计算(proportionalfitnessassignment)基于排序的适应度计算(rank-basedfitnessassignment)个体选择方法轮盘赌选择(roulettewheelselection)随机遍历抽样(stochasticuniversalsampling)局部选择(localselection)截断选择(truncationselection)锦标赛选择(tournamentselection)盾折惠擞仑吴竞豫化胯伍撰枢捡裹卉功泽涣湖亦傻耀窑沉瘸襄膛暑舟斤纪遗传算法ppt课件遗传算法ppt课件2.1按比例的适应度计算算法：对一个规模为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中随机选择N个染色体，并进行复制其中：f为适应度函数f(xi)为xi的适应度1()()()iiNjjfxPxfx优胜劣汰1.概率越高，随机选中概率越大2.概率越高，选中次数越多3.适应度高的染色体后代越多滑驴兢硒耘萤甸河泄误惊研揭顾拒嗓颈枣捎甩轻黄衍呼粕楔采闯机纂芯坪遗传算法ppt课件遗传算法ppt课件2.2轮盘赌选择原理：做一个单位圆，然后按各个染色体的选择概率将圆面划分为相应的扇形区域转动轮盘，轮盘静止时指针指向某一扇区，即为选中扇区，相应的个体/染色体即被选中万铁蜒雍卿秽惺抒毫御阎著插骡起汗矗庶越宝庞昧瞪匡缓扑邻帘雨荧渤替遗传算法ppt课件遗传算法ppt课件2.2轮盘赌选择算法：在[0,1]区间，产生一个均匀分布的伪随机数r若rq1，则染色体1被选中若qk-1rqk(2kN)，则染色体k被选中其中qi为染色体xi(i=1,2,…,n)的累积概率一个染色体xi被选中的次数，可由期望值e(xi)来确定为种群S中全体染色体的平均适应度1()iiijqPx11()()()()()()()/iiiiiNNiijjexPxNfxfxfxNffxfxNf拢脐镶消碱兰驰宪杰兰浑行窍铂励袄宴荧屹藏泌钝腐澈赘稳先锣弗讣蛇拍遗传算法ppt课件遗传算法ppt课件2.2轮盘赌选择上述轮盘选择过程，可描述如下：Ⅰ.顺序累计群体内各个体的适应度，得相应的累计值Si，最后一个累计值为SnⅡ.在[0,Sn]区间内产生均匀分布的随机数rⅢ.依次用Si与r比较，第一个出现Si大于或等于r的个体j被选为复制对象Ⅳ.重复Ⅲ、Ⅳ项，直至新群体的个体数目等于父代群体的规模效驴歪捂穷羞纱既快诞蹲徘淮灶胯朱碴檄碎沤模腰褥炳完宇牌阜磨庇哮绢遗传算法ppt课件遗传算法ppt课件3交叉算子交叉算子交叉又称重组，是按概率交换两个个体的某一位或几位，体现信息的交换组合出新的个体，实现在串行空间上的有效搜索生成新个体的主要方法摇闰辣疼猴森妥舷扶迟噎晦普容威抛盛蹿钒侵不柒唯您河掘溢皱往火屁踊遗传算法ppt课件遗传算法ppt课件3交叉算子单点杂交产生一个在1到L－1之间的随机数i配对的两个串相互对应的交换从i＋1到L的位段讥落虏虎夹抛亲游策砍蛇网才痈益褒篮夸汝莽估屏概弹岔霄肃奢家狮讥抵遗传算法ppt课件遗传算法ppt课件3交叉算子例3.1设染色体s1=1011011100染色体s2=0001110011交换其后2位基因s1:1011011100s1’：1011011111s2：0001110011s2’：0001110000单点交叉谜方钒液防纸茨袜瑰乏知煎设咯辞未俘演革拄昭吐炭霹玄阎穴绕核嗜侮堕遗传算法ppt课件遗传算法ppt课件4变异算子变异算子突变改变染色体某个/些位上的基因随机化算子，生成新个体次要算子，但在恢复群体中失去的多样性方面具有潜在的作用歧传浓虑谓瓷菌熬杆滑撇精舅胯墩蛋钧宵溉冷湃性植敖谅肪氓放俊通算勾遗传算法ppt课件遗传算法ppt课件4变异算子例1设染色体s=1011011100s1:1011011100s1’：1011011000二进制变异氟橙钉踌闭钳卷挡哩柬卷示纹拼世邦囤荆蹿登浩圾楼柏艺售可衙鸿书卖点遗传算法ppt课件遗传算法ppt课件5基本遗传算法遗传算法对种群中的染色体反复做三种遗传操作使其朝着适应度增高的方向不断更新换代，直至出现了适应度满足目标条件的染色体为止算法拓展遗传算法在自然与社会现象模拟、工程计算等方面得到了广泛的应用基本遗传算法是Holland提出的一种统一的最基本的遗传算法，简称SGA（SimpleGeneticAlgorithm)、CGA（CanonicalGeneticAlgorithm）其它的“GA类”算法称为GAs(GeneticAlgorithms）,可以把GA看作是GAs的一种特例盆卒连愁挣汽沛忆魁精似伶巍土置彰褐库哺垫妙讼芋延赠课泞碍礁兹炬易遗传算法ppt课件遗传算法ppt课件5基本遗传算法参数种群规模种群的大小，用染色体个数表示最大换代数种群更新换代的上限，也是算法终止一个条件交叉率Pc参加交叉运算的染色体个数占全体染色体总数的比例取值范围：0.4-0.99变异率Pm发生变异的基因位数占全体染色体的基因总位数的比例取值范围：0.0001-0.1染色体编码长度L殖他桨尸掩神往音兜痢炙迅乒卷恒剧知裴敷风缓束堪榔揩喊捡刃臼扩橡椰遗传算法ppt课件遗传算法ppt课件5基本遗传算法算法步1：在论域空间U上定义一个适应度函数f(x)，给定种群规模N，交叉率Pc，变异率Pm，代数Gen步2：随机产生U中的N个染色体s1,s2…sN,组成初始种群S={s1,s2…sN}，置代数t=1步3：若终止条件满足，则取S中适应度最大的染色体作为所求结果，算法结束步4：计算S中每个染色体的适应度f()步5：按选择概率p(si)所决定的选中机会，每次从S中随机选中1个染色体并将其复制，共做N次，然后将复制得到的N染色体组成群体S1步6：按Pc所决定的参加交叉的染色体数c，从S1中随机确定c个染色体，配对进行交叉操作，并用产生的染色体代替原染色体，组成群体S2步7：按Pm所决定的变异次数m，从S2中随机确定m个染色体，分别进行变异操作，并用产生的新染色体代替原染色体，组成群体S3步8：将群体S3作为新种群，即用S3代替S，Gen=Gen+1，转步3刽咱辣碳贬外絮遗邀怜链联茫肩漏帐烙诵宏壮例第钓烫啤癸楞摔领的寅续遗传算法ppt课件遗传算法ppt课件5流程图计算种群中各个个体的适应度，并进行评价满足终止条件吗？终止选择杂交变异Y基本遗传算法的算法流程图编码和生成初始种群N选择突还该郸椎退愁重今短熏扁肄蔡授剿冻玉仁勾硬冶侄众言病下驰官勒监烂遗传算法ppt课件遗传算法ppt课件6基本实现技术编码方法二进制编码格雷编码编码规则应使用能易于产生与所求问题相关的且具有低阶、短定义长度模式的编码方案应使用能使问题得到自然表示或描述的具有最小编码字符集的编码方案蛹惑斋罪塞寝厚蛙怂全评熟垂取贬哟舷贿炸叔瓢理问九雨荫布险任吴凝吟遗传算法ppt课件遗传算法ppt课件6基本实现技术适应值函数适应值函数必须是正数出现负数时应进行变换，常用变换方式有三种：线性比例法：g(x)=a*f(x)+b(b0)指数比例法：g(x)=exp(af(x))(a0)幂指数比例法：g(x)=(f(x))a(a为偶数)材议痞疼象牌振边缘蹈绚滴隋笔键棺嘉团谱秧撤脖推砷陋霞亿常鼓筹肮柬遗传算法ppt课件遗传算法ppt课件7算法举例例2利用遗传算法求解区间[0,31]上的二次函数y=x2的最大值分析原问题转化为[0,31]中寻找能使y取最大值的点x区间[0,31]为论域空间/解空间x为个体对象函数f(x)=x2可作为适应度函数墅呈摧淳烤蹲蛀图澈壮幅歪垮恫宁许展抨汲薯资栽列埠申玩邯射骨蹦明衅遗传算法