GA遗传算法简介解读

二、遗传算法的基本操作
1 选择-复制(selection-reproduction)
例：轮盘赌选择
8 8 5 2 10 7 12 5 19 10 14
解 (1)计算选择概率和累计概率
个体 1 2 3 4 5 6 7 8 9 10
染色体
0001100000 0101111001 0000000101 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011
个体 1 2 染色体
0001100000 0101111001 0000000101 1001110100 1010101010 1110010110 1001011011 1100000001 1001110100 0001010011
适应度
8 5 2 10 7 12 5 19 10 14
选择概率
0.086957 0.054348 0.021739 0.108696 0.076087 0.130435 0.054348 0.206522 0.108696 0.152174
累计概率
0.086957 0.141304 0.163043 0.271739 0.347826 0.478261 0.532609 0.739130 0.847826 1.000000
s2′=10011011
可以看做是原染色体s1和s2的子代染色体
二、遗传算法的基本操作
2 交叉(crossover)——基因重组
其它常用的交叉方法：

多点交叉（multiple-point crossover）������


均匀交叉（uniform crossover）������
淘 汰
3 4 5 6 7 8 9 10
复制操作能从旧种群中选择出优秀者，但不能创造新的染色体！
二、遗传算法的基本操作
2 交叉(crossover)——基因重组
交叉就是互换两个染色体某些位上的基因 例：设染色体s1=01001011, s2=10010101,交换其后4位基因,即
单点交叉
s1′=01000101,
轮盘赌选择（roulette wheel selection） 随机遍历抽样（stochastic universal selection）������ 局部选择（local selection）������ 截断选择（truncation selection）������ 锦标赛选择（tournament selection）
遗传（heredity）：
子代和父代具有相同或相似的性状，保证物种的稳定性
变异（variation）：
子代与父代,子代不同个体之间总有差异，是生命多样性的根源
生存斗争和适者生存：
具有适应性变异的个体被保留，不具适应性变异的个体被淘汰
一、遗传算法概述
2、生物进化理论和遗传学基本知识
(2) 遗传学基本概念和术语
二、遗传算法的基本操作
1 选择-复制(selection-reproduction)
选择概率P(xi)的计算公式为: P( xi )
f ( xi )
按比例的适应 选择-复制指的就是以一定的概率从种群中选择若干个体并进行 度分配方法 复制的操作
f (x
j 1
N
j
)
常用选择-复制方法：
������
1 1 1 1 1 1 1 1 1 1 0 1 1 1
一、遗传算法概述
2、生物进化理论和遗传学基本知识
(2) 遗传学基本概念和术语
进化(evolution)：个体逐渐适应生存环境，不断改良品质的过程 适应度(fitness)：反映个体性能的一个数量值 适应度函数(fitness function): 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。该函数就是遗传算法中指导搜索的评价函数。 编码(coding)：从表现型到基因型的映射 解码(decoding)：从基因型到表现性的映射
基因(gene)：染色体的一个片段
个体 9 ---染色体 1001
染色体(Chromosome)：问题中个体的某种字符串形式的编码表示 种群(Population)：个体的集合,该集合内的个体数称为种群的大小 基因型(genetype)：基因组合的模型，染色体的内部表现 表现型(phenotype)：染色体决定性状的外部表现
二、遗传算法的基本操作
1 选择-复制(selection-reproduction)
(2)在0-1之间产生一个随机数 0.507893 6 0.070221 1 0.545929 8 0.784567 9 0.446930 6 0.291198 5 0.716340 8 0.271901 4 0.371435 6 0.854641 10
主要内容
一、遗传算法概述 二、遗传算法的基本操作
三、遗传算法原理
四、遗传算法的应用
现代智能优化算法
自 由 搜 索 算 法
FS
遗 传 算 法
GA
禁 忌 算 法
TS
蚁 群 算 法
ACO
粒 子 群 算 法
PSO
细 菌 算 法
BC
混 沌 算 法
COA
一、遗传算法概述
1、遗传算法起源
遗传算法(Genetic Algorithm, GA)是由美国的J. Holland教授于1975年在他的专著《自然界和人工系统的
适应度
8 5 2 10 7 12 5 19 10 14
选择概率
0.086957 0.054348 0.021739 0.108696 0.076087 0.130435 0.054348 0.206522 0.108696 0.152174
累计概率
0.086957 0.141304 0.163043 0.271739 0.347826 0.478261 0.532609 0.739130 0.847826 1.000000
适应性》中首先提出的，它是一类借鉴生物界自然选择和
自然遗传机制的随机化搜索算法。GA来源于达尔文的进化 论、魏茨曼的物种选择学说和孟德尔的群体遗传学说。其
基本思想是模拟自然界遗传机制和生物进化论而形成的一
种过程搜索全局最Baidu Nhomakorabea解的算法。
一、遗传算法概述
2、生物进化理论和遗传学基本知识
(1) 达尔文的自然选择说