遗传算法参数调整实验报告(精)

遗传算法参数调整实验报告算法设计：编码方案：遍历序列适应度函数：遍历路程遗传算子设计：选择算子：精英保留+轮盘赌交叉算子：Pxover，顺序交叉、双亲双子，变异算子：Pmutation，随机选择序列中一个染色体（城市）与其相邻染色体交换首先，我们改编了我们的程序，将主函数嵌套在多层迭代之内，从外到内依此为过程中，我们的程序将记录每一次运行时种群逐代进化（收敛）的情况，并另外记录总体测试结果。测试环境：上苗3a£ii«aanw讦鼻中:上苗3a£ii«aanw讦鼻中:计和 »»A护IICPU-2逅Irrh第一轮测试目标：寻求最优Px、Pm组合方式：popsize=50maxgen=500\10000\15000Px=0.1~0.9（0.05）Pm=0.01~0.1（0.01）count=50测试情况：运行近2万次，时间约30小时，产生数据文件总共5.8GB测试结果：Px,Pm对收敛结果的影响，用灰度表示结果适应度，黑色为适应度最低Pm=0.01 a0.1MaxgenPm=0.01 a0.1Maxgen=5000P0PSIZE=50最优结果的收敛情况Px=Px=0.1,Pm=0.09Px=0.15,Pm=0.06—Px=0.15,Pm=0.02—Px=0.15,Pm=0.04500004500025000400005000045000250004000020000150002501 5001 7501 10001 12501Generation结论：Px=0.1,Pm=0.01为最优，并刷新最优结果19912（之前以为是20310），但20000次测试中最优解只出现4次，程序需要改进。

第二轮测试目标：改进程序，再寻求最优参数方式：1、改进变异函数，只保留积极变异；2、扩大测试范围，增大参数步进popsize=100\200\400\800maxgen=10000Px=0.1\0.5\0.9Pm=0.01\0.04\0.07\0.1count=30测试情况：运行1200次，时间8小时，产生数据文件600MB测试结果：Px=0.1,Pm=0.01部分最优解收敛图一POPSIZE=200,一POPSIZE=200,一POPSIZE=200,一POPSIZE=4005000045000400003500030000150005000045000400003500030000150001 1001 2001 3001 4001 50gi6001 7001 8001 9001Generation结论：Px=0.1，Pm=0.01仍为最优，收敛情况大有改善，10000代基本收敛到22000附近，并多次达到最优解19912。变异函数的修改加快了整体收敛速度。但是收敛情况对Pm并不敏感。另外，单个种群在遗传过程中收敛速度的统计，将是下一步的目标。第三轮测试：目标：以单个种群的进化情况为对象，研究种群人口数对收敛速度的影响。方式：1、修改程序，不以遗传代数作为迭代结束控制，而改为以达到目标适应度为结束，统计遗传的代数。2、固定Px=0.1,Pm=0.01popsize=100\200\400count=100TargetFitness=20000\21000测试情况：以20000为目标，运行300次，时间2小时，产生数据文件600MB以21000为目标，运行300次，时间1小时，产生数据文件280MB测试结果：(1)目标适应度20000以下popsize=100成功:13次 popsize=200成功:12次 popsize=400成功:13次平均20783.6220713.820628.64中位数2082220682.520590众数204662022520847、.、八方差305881.8208828.7273165424.9398区域322323281881最小值199121991219912最大值231352224021793求和207836220713802062864观测数100100100置信度(95.0%)109.740390.674311280.70299215(2)目标适应度21000以下popsize=100时，成功75/100次popsize=200时，成功81/100次popsize=400时，成功86/100次结论：增加种群人口对整体收敛速度有提高作用，但同一数量级内的变化效果不明显测试总结Px,Pm的值减小时，随机性减小，算子中的“择优”功能（如