遗传算法笔记.pdf

2 ．1．1 基本遗传算法的构成要素 (1) 染色体编码方法。 (2) 个体适应度评价。 这样， 根据不同种类的问题， 必须预先确定好由目标函数值到个 体适应度之间的转换规则，特别是要预先确定好当目标函数值为负数时的处理方法。 (3) 遗传算子。基本遗传算法使用下述三种遗传算子 ●选择运算使用比例选择算子； ●交叉运算使用单点交叉算子； ● 变异运算使用基本位变异算子或均匀变异算子。 (4)基本遗传舆法的运行参数。基本遗传算法有下述 4 个运行参数需要提前设定： ●M ：群体大小，即群体中所含个体的数量，一般取为 20— 100。 ●T ：遗传运算的终止进化代数，一般取为 100~500 ●Pc：交叉概率，一般取为 0.4~0.99 。 ●Pm：变异概率，一般取为 0 ．0001~0.10 需要说明的是，这 4 个运行参数对遗传算法的求解结果和求解效率都有一定的影响， 但目前尚无合理选择它们的理论依据。 在遗传算法的实际应用中， 往往需要经过多次试算后 才能确定出这些参数合理的取值大小或取值范围。 2 ．2 基本遗传算法的实现 2 ．2 ．1 个体适应度评价 为满足适应度取非负值的要求．基本遗传算法一般采用下面两种方法之一将目标函数 值 f(x) 变换为个体的适应度 F(x) 。 方法一：对求目标函数最大值的优化问题，变换方法为 c mm 为一个适当地相对比较小的数，它可用下面几种方； 之一来选取。 ●预先指定的 个较小的数。 ●进化到当前代为止的最小目标函数值。 ●当前代或最近几代群体中的最小日初 i 函数值。 方法二：对于求目标函数最小值的优化问题．变换方法为式小， cmx 为一个适当地 相对比较大的数，它可用下面几种方法 ●预先指定的一个较大的数。 ●进化到当前代为止的最大目标函数值。 ● 当前代或最近几代群体中的最大日标函数值。 2 ．2 ．2 比例选择算子 选择算子是比例选择算子。 所谓比例选择算子， 是指个体被选中并遗传到下一 代群体中的概率与该个体的适应度大小成正比。 比例选择算子的具体执行过程是： (1)先计算出群体中所有个体的适应度的总和。 (2)其次计算出每个个体的相对适应度的大小，即为各个个体被遗传到下‘代群体 中的概率。 (3) 最后再使用模拟赌盘操作 ( 即 0 到 1 之间的随机数 )来确定各个个体被选中的次数。 2 ．2 ．3 单点交叉算子 单点交叉算子是最常用和最基本的交叉操作其子。单点交叉算子的具体执行过程如 下。 (1)对群体中的个体进行两两随机配对。若群体大小为 M ，则共有 [M]/2 对相互配 对的个体组。其中 [x] 表示不大于 x 的最大的整数。 (2)对每一对相互配对的个体，随机设置某一基因座之后的位置为交叉点。若染色 体的长度为 n ，则共有 (n— 1)个可能的交叉点位置。 (3)对每一对相互配对的个体，依设定的交叉概率 Pc 在其文叉点处相互交换两个 个体的部分染色体，从而产生出两个新的个体。 2 ．2 ．4 基本位变异算子 基本位变异算子是最简单和最基本的变异操作算子。对于基本遗传算法中用二进制 编码符号串所表示的个体，若需要进行变异操作的某‘基因座上的原有基因值为 0，则变异 操作将该基因值变为 1 反之，若