智能优化方法1-5

1、1 1 1 1 1 1 1 1 1 1 0 1 1 1 遗传算法是一种基于种群的，迭代的元启遗传算法是一种基于种群的，迭代的元启发式优化算法发式优化算法0001100000 0101111001 0000000101 1001110100 10101010101110010110 1001011011 1100000001 1001110100 0001010011（8） （5） （2） （10） （7）（12） （5） （19） （10） （14）个体个体染色体染色体适值适值选择概率选择概率累积概率累积概率1000110000082010111100153000000010124100111

2、0100105101010101076111001011012710010110115811000000011991001110100101000010100111488521071251910140.08695758521071251910140.0543480.0217390.1086960.0760870.1304350.0543480.2065220.1086960.152174个体个体染色体染色体适值适值选择概率选择概率累积概率累积概率100011000008201011110015300000001012410011101001051010101010761110010110127

3、1001011011581100000001199100111010010100001010011140.0869570.0543480.0217390.1086960.0760870.1304350.0543480.2065220.1086960.1521740.0869570.1413040.1630430.2717390.3478260.4782610.5326090.7391300.8478261.000000在在0-1之间产生之间产生随机数：随机数：个体个体染色体染色体适应度适应度选择概率选择概率累积概率累积概率100011000008201011110015300000001012

4、4100111010010510101010107611100101101271001011011581100000001199100111010010100001010011140.0869570.0543480.0217390.1086960.0760870.1304350.0543480.2065220.1086960.1521740.0869570.1413040.1630430.2717390.3478260.4782610.5326090.7391300.8478261.0000000.0702210.5459290.7845670.4469300.5078930.2911980.

5、7163400.2709010.3714350.854641淘汰！淘汰！淘汰！淘汰！在在0-1之间产生随机数之间产生随机数0001100000 1110010110 1100000001 1001110100 10101010101110010110 1001011011 1100000001 1001110100 00010100110001100000 1110010110 1100000001 1001110100 10101010101110010110 1001011011 1001110100 1100000001 000101001100011110100000010110111

6、100001011010110111100001001110100000110011101001100000001101010100010100100110.7553610.3215460.5689220.9251400.154232在在0-1之间产生随机数之间产生随机数0001010110 1111011011 1100000100 1001110100 10101010111110100000 1000010110 1001110001 1100000001 00010100100001010110 1111011011 1100000100 1001100100 101010101111

7、10100000 1000010110 1001010001 1100000001 0101010000 2n K s( ,1)( , )( , )E s tf s t N s t121212( ,1)( , )( , )( , )( , )( , )NSNSNSsFFFE s tPPPNPNPSumFFFN s tfN s tN s tSumfNPf s tN s t1NPiiSumF1/NPiiiiPFFsff问题：以上证明没有考虑交叉变异，那么交叉问题：以上证明没有考虑交叉变异，那么交叉变异会不会破坏种群模板变异会不会破坏种群模板S？概率有多大？概率有多大？ ( ,1)11,1pc l

8、sP s tP s tn ( ,1)11,1pc l sP s tP s tn 思考：若配偶不属于模板思考：若配偶不属于模板S，是否能产，是否能产生后代为模板生后代为模板S？ ,11P s tpm K s 1K spm ( ,1)11,1E s tpc l sP s tpm K sf s t N s tn ( ,1)11,1E s tpc l sP s tpm K sf s t N s tn当当 时，时，E(s,t)随代数增加而增加随代数增加而增加 1,11,1pc l sf s tP s tpm K sn1122334410011002999997ffffffff选择压力小，差别选择压力小，

9、差别小，选优功能弱化小，选优功能弱化0254444433422411ffffffffffff选择压力大，差别放选择压力大，差别放大，选优功能强化了大，选优功能强化了Fafb1a minbf minFff1a maxbfmaxFff kkFa fb1ka minkkkbf minkkFff1ka maxkkkbfmaxkkFff kkkkM0rkk1999. 0 , 9 . 0rkFflnFafbbfFaecwFaffwfminfwfminmaxminffrFffrkkFa fbrffakminmax1minmaxminkfrbffr1iiNPiifPf1(1)iiPqq1111111iNPNP

10、iqqqq 11jjqqpNPqqq11个体个体12345678910适应度适应度2.01.21.00.2选择概率选择概率90.070.060.030.02累计概率累计概率0.180.340.490.620.730.820.890.950.981.00个体个体12345678910适应度适应度2.01.21.00.2选择概率选择概率90.070.060.030.02累计概率累计概率0.180.340.490.620.730.820.

11、890.950.981.00设定设定n为需要选择的个体数为需要选择的个体数目，等距离选择个体，选择目，等距离选择个体，选择指针的距离为指针的距离为1n。第一个。第一个指针的位置由指针的位置由0，ln区间区间的均匀随机数决定。如图所的均匀随机数决定。如图所示，需要选择示，需要选择6个个体，指个个体，指针间的距离为针间的距离为l60.167，第一个指针的随机第一个指针的随机位置位置为为0.1，按这种选择方法被选中作为按这种选择方法被选中作为交配集个体为：交配集个体为：1，2，3，4，6，8。 1 , 0. .max11iiniiiniixWxwtsxp下面，我们将分别采用惩罚策略、解码法、顺序下面，我们将分别采用惩罚策略、解码法、顺序编码的方法来解决上述难题编码的方法来解决上述难题 F xf x P x f x 11niiiw xWP x niiWwW1,max注：注： 与与 是是 的两个端点的两个端点WniiWw1niiiWxw10 , 0 , 0 x1 , 1 , 1 xniiiWxw10 10 xP P x0Wxwii111kiiikiiixwWxw(1 1 0 0 1 1 0)x 21216wwWwww(1 1 0 0 0 0 0)x 12,nx xx111kiiikiiixwWxw111kiiikiiixwWxw1523523wwwwWwww问题