版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、遗传算法理论、遗传算法的概述以及对函数最大化优化问题的建议,一般可以描述为以下数学规划模型公式,其中,f(x)是决策变量,公式(1-2)和(1-3)是约束条件,u是基本空间,r是u的子集,称为可行集。一般来说,寻找最优解或近似最优解的方法主要有三种:枚举法、启发式算法和搜索算法。随着问题类型的不同和规模的扩大,上述方法并不理想,但遗传算法为此类问题提供了一种有效的方法,创造了一种新的全局优化搜索算法。在遗传算法中,n维决策向量由由n个符号Xi(i=1,2,每个Xi被认为是一个遗传基因,它所有可能的值都被称为等位基因,所以x可以被认为是由n个遗传基因组成的染色体。在遗传算法中,决策变量x构成问题
2、的解空间。问题的最优搜索是通过X染色体的搜索过程进行的,因此所有的X染色体构成了问题的搜索空间。遗传算法的基本概念和术语。与生物世界的进化过程相比,遗传算法中有几个非常重要的概念和术语:种群染色体上具有特征的个体的集合称为种群。这个集合中个体数量被称为人口数量。有时一群个体也被称为一个个体群体。健康衡量一个物种对其生存环境的适应性。对生活环境适应性较高的物种将获得更多的繁殖机会。选择是指以一定的概率决定从一个群体中选择几个个体的操作。一般来说,选择过程是一个基于适应度的适者生存的过程。交叉随机地将群体中的个体配对,以一定的概率(交叉概率)在它们之间交换一些染色体,并且对于群体中的每个个体,突变
3、以一定的概率(突变概率)将一个或一些基因座的基因值改变成其他等位基因。编码中的遗传信息)脱氧核糖核酸以某种模式排列在一条长链上,即进行遗传编码。遗传编码可被视为从表型到遗传亚型的映射。解码从基因亚型到表型的映射。(1)单个码X1和X2是07之间的整数,可以用3个无符号二进制整数表示,通过将它们连接在一起形成的6个无符号二进制整数形成单个基因型,表示可行解。例如,对应于基因型X=101110的表型是X=5,6。个体表型和基因型X可以通过编码和解码过程相互转化。(2)初始种群规模取4,随机生成。(3)适应度计算在这种情况下,目标函数总是非负的,并且可以获得函数的最大值作为最优目标,从而计算个体的适
4、应度。(4)选择操作,选择方法适合度比例法(轮法)根据每条染色体的适合度比例确定要选择的染色体数目。染色体被选择的概率:Pc,(5)交叉操作,方法:随机选择两条染色体(父母的染色体),随机指定一个或多个点,并交换它们以获得两条新的染色体(后代染色体),新的后代染色体: A 11010001 B 0101110,(6)变异操作,遗传算法过程,传统的优化算法通常直接使用决策变量的实际值进行优化计算,而遗传算法是作为操作对象的决策变量的某种形式的编码。遗传算法直接使用目标函数值作为搜索信息。传统算法不仅需要目标函数值,还需要目标函数值等其他辅助信息。因此,遗传算法避免了推导的障碍。遗传算法同时使用多
5、个搜索点的搜索信息。传统的优化算法通常从解空间的起始点开始迭代搜索过程。遗传算法采用概率搜索技术,优于传统算法的确定性搜索,因为从一点到另一点的确定性可能使搜索永远达不到最佳点。遗传算法的基本实现技术是由朱世英,1。编码方法2。健身功能3。选择操作符4。交叉操作符5。变异算子6。遗传算法的运行参数和编码方法。在遗传算法中,问题的可行解从其解空间转化为遗传算法,编码是遗传算法要解决的首要问题,它影响交叉算子和变异算子等运算方法,决定运算效率。德容提出了两个具有很强可操作性的实用编码原则:第一,应该使用一种能够容易地生成与问题相关的低阶和短定义长度模式的编码方案。其次,我们应该使用编码字符集最少的
6、编码方案,这样可以使问题自然地表达或描述出来。目前,主要的编码方法有:1 .二进制编码方法;2.浮点编码方法;3.符号编码法,二进制编码,遗传算法中最常用的编码方法。符号集由二进制符号0和1组成。符号串的长度与问题所需的求解精度有关。值的范围是,假设它由具有长度的二进制代码符号表示,可以生成不同的代码。如果编码对应关系如下:格雷编码,对应于格雷码的两个连续整数的码之间只有一个码位不同。假设有一个二进制码,它对应的格雷码是。二进制到格雷码的转换公式是遗传算法的局部搜索能力差,一个位点的变异操作不同,但对应的参数值大,格雷码克服了这一弱点。例如,对于间隔0,1023中的两个相邻整数x1=175和x
7、2=176,如果长度为10位的二进制代码是x1=x1=0010101111,x2=0010110000,则使用相同长度的格雷码:x1=x1=0011111000,x2=0011101000。可以看出,格雷码经过变异操作后能够保持稳定的线条,且差异较小,提高了局部搜索能力,便于在连续空间中进行局部搜索。其他常用的编码方法,浮点编码法:一个个体的每个基因值都是用一定范围内的浮点数来表示的,并且一个个体的编码长度等于其决策变量的个数。例如,一个优化问题有五个变量Xi(i=1,2,5),并且每个变量都有其相应的上限和下限,那么X:是基因型,而相应的表型X=5.80、6.90、3.50、3.80、5.0
8、0。注意每个字节的限制范围!符号编码方法:单个染色体编码串中的基因取自一个没有数字意义但只有编码意义的符号集。例如,访问n个城市的顺序可以构成单个x: 1,2,3,n .多参数级联编码方法:对具有多个变量的个体进行编码,每个参数可以采用任意一个,具有不同的上下限、编码长度和精度。多参数交叉编码方法:首先对每个参数进行分组编码,然后将每个参数编码串中的最高位连接在一起,然后将下一个最高位连接在一起,依此类推。适度函数类似于自然界中的适者生存,它利用遗传算法中的适应度来衡量种群中每个个体接近最优连接的优良程度。测量健康的功能称为适度功能。在遗传算法中,根据优化问题的类型,目标函数可以转化为一个适度
9、的函数。让目标函数为f(x),中间函数为F(x)。最大问题:最小问题:适应度尺度变换,三种主要的变换方法:线性尺度变换:F=aF b a,b为系数条件1,新的适应度平均值在变换后不应改变。条件2:变换后新的最大适应度应该等于平均适应度指定的倍数。指数标度变换通过幂标度变换,选择操作符,选择操作建立回放随机抽样方法。基本思想:每个人被选中的概率与他的健康程度成正比。假设种群规模为m,个体适应度为fi,则个体被选择的概率为Pi,通过轮法、交叉算子和匹配策略进行选择:随机匹配,即m个个体由随机设置的交叉点、单点交叉和多点交叉随机组成,甚至交叉算法交叉两个个体线性组合产生两个新个体,变异算子, 基本变
10、异统一变异:将个体编码中的每个位点依次指定为一个变异点,从相应基因的值范围中取一个具有变异概率Pi的随机数来代替原始基因值,例如遗传算法的运行参数,遗传算法中要选择的运行参数主要包括个体编码串L的长度,这与准确性有关。 人口规模一般为20100人。交叉概率P1通常较大。0.40.99。变异概率Pm建议为0.0001-0.1。终止代数T 100-1000代沟G每一代群体中被替换个体占所有个体的百分比,例如,G=1.0意味着群体中的所有个体都是新的MATLAB遗传算法工具箱,1。GAOT工具箱,2。gatbx工具箱,3。Gads工具箱,Gaot主函数列表,gatbx工具箱函数列表,gads工具箱,
11、基于。基于图形用户界面的m文件、适应度函数、变量数量、约束、图形选项、运行状态显示区域、比例变换、选择函数、育种选项、变异选项、交叉选项、算法停止条件、迁移参数、操作参数设置、混合函数选项、遗传算法搜索函数最小值x、fval、退出标志、输出、群体、得分=ga(有趣、基因组长度、aineq、bineq、aeq、beq、lb、ub、nonlcon、 选项)X:适应度点值fval:适应度函数x点处的值fun:适应度函数GenomeLength:个体基因长度Aineq,Bineq,Aeq,Beq,nonlcon:约束参数lb,ub:x的下界和上界,选项:算法参数结构常数,由gaoptimset函数设置
12、,并以Rastringrin函数为例演示matlab遗传算法工具箱的使用。 f=20x.2-10 * cos(2 * pi * x)y . 2-10 * cos(2 * pi * y),-5.12=x,y=5.12,1。函数法直接用于matlab运行结果:x=1.0e-008 *-0.1663 0.0263fval=0,2。使用图形用户界面直接进入rastriginsfcn健身功能;输入变量的数量为2,传播代数设置为150代。在绘图区域,您可以检查所需的结果图像,并在设置参数后单击开始按钮。图形用户界面演示图:运行结果:遗传算法示例演示,作者:张健,函数优化示例,求函数f(x)=10*sin(
13、5x) 7*cos(4x)的最大值,其中x0,10用10位值表示x。变量域0,10离散为二进制域0,1023,x=10*b/1023,其中b是0,1023中的二进制数。1.initpop.m编码的功能是初始化种群,popsize表示种群的大小,chromlength表示染色体的长度(二进制数的长度),长度取决于变量的二进制码的长度(在本例中为10位)。遗传算法子程序名称: initpop.m%初始化函数pop=initpop (popsize,chromlength)pop=round(rand(pop size,chromlength);% rand随机生成一个矩阵,每个单元格为0或1,行数
14、为popsize,列数为chromlength。由此产生的初始种群。2.计算目标函数值2.1。将二进制数转换成十进制数。名为:的遗传算法子程序产生2n 2(n-1)的线矢量.1,然后求和将二进制数转换为十进制数,函数POP2=DecodeBinary (POP) PX,py=size(POP);%为I=1: pypop1 (:I)=2查找pop行和列。(皮-1)。* pop (:I);end pop2=sum(pop1,2);% Sum每行pop1 2.2将二进制代码转换为十进制数(2)decode chrome . m函数是将染色体(或二进制代码)转换为十进制数,参数spoint指示要解码的
15、二进制字符串的起始位置(对于多个变量,如果有两个变量,则使用20位,每个变量有10位,则第一个变量从1开始,另一个从1开始。在本例中,参数1表示截取的长度(在本例中为10)。,遗传算法子程序Name: decodechrom.m %将二进制代码转换为十进制函数POP2=decodchrom(pop,spoint,length) POP1=pop (:spoint 3360 spoint length-1);pop 2=decodebinary(pop 1);2.3计算目标函数值calobjvalue。m函数的作用是实现目标函数的计算,其公式通过这个例子进行了仿真,可以根据不同的优化问题进行修改
16、。遗传算法子程序名称: calobjvalue.m%实现了目标函数函数值=calobjvalue (pop) temp1=去色(pop,1,10)的计算;%将每行弹出到十进制,x=temp 1 * 10/1023;%将二进制域中的数字转换为可变域中的数字,obj value=10 * sin(5 * x)7 * cos(4 * x);%计算目标函数值3计算个体适应值遗传算法子例程名称:适应值m%计算个体适应值函数适应值=适应值(objvalue)全局cminCmin=0。px,py=大小(obj value);如果obj value(I)Cmin 0 temp=Cmin obj value(I),则i=1:px。否则,温度=0.0;结束fit value(I)=temp;结束fitvalue=fitvalue% 2.4选择复制%选择或复制以决定哪些人可以进入下一代。程序采用轮盘赌选择方式,易于实现。%根据公式pi=f
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高中地理选择性必修2教学设计:长江流域协作开发与环境保护
- 初中物理九年级质量与密度二轮复习教学设计
- 高中一年级语文《时代担当与未来想象》教学设计
- 小学二年级美术教学设计《听听画画》核心素养导向下的跨感知表达实践
- 九年级数学《锐角三角函数》教学设计:基于相似模型的核心素养培育路径
- 小学五年级美术珍爱国宝古代陶瓷艺术教学设计
- 高中物理选择性必修一教学设计:电池电动势内阻测量与能源可持续发展
- 七年级语文整本书阅读分层提优教学设计
- 高中劳动技术教学设计:雪冬寻味·大米发糕传统工艺与现代创新
- 初中化学九年级化合价与化学式及物质分类复习教案教学设计
- 2026全球牙科诊疗椅人机工程学创新设计与用户体验提升分析报告
- 2025 重症脓毒症与感染性休克救治指南(中文版)完整原文 + 详细解读
- 2026年重症医学5c考试题库带答案
- 洗衣机装配工岗前工艺控制考核试卷含答案
- 《数字人民币智能合约互联互通建设管理规范》编制说明
- 四川省政府采购评审专家考试真题库及答案(完整版)-四川评标评审专家
- ICU三管感染防控集束化管理
- 2026年湖北省荆州市编制教师招聘考试参考题库及答案解析(综合卷)
- 专题01实数的混合运算(60题)专项训练数学北师大版2024八年级上学期
- 临床主动脉夹层患者护理个案汇报
- TZGCSC 010-2024 数字道路路侧雷视一体机数据接口规范
评论
0/150
提交评论