遗传算法与蚁群算法简介

2020/5/14
北京交通大学计算机与信息技术学院
8
主要内容
智能优化算法简介
问题的NP-完全特性 常用的智能优化算法
遗传算法-Genetic Algorithm 群智能优化算法
蚁群优化算法-Ant Colony Optimization 粒子群优化算法-Particle Swarm Optimization …
选择：通常用比例选择，即选择概率正比于个体的适配值，使适 配值高的个体在下一代中被选中的概率大，提高种群平均适配值
交叉：交换两父代个体的部分信息构成后代个体，使得后代继承 父代的有效模式，有助于产生优良个体
变异：随机改变个体中的某些基因，有助于增加种群多样性，避 免早熟收敛
2020/5/14
北京交通大学计算机与信息技术学院
求解n个城市的TSP问题。
典型的组合优化问题，是NP-完全的 要准确求解该问题只能用枚举类的办法 要枚举的解的个数为(n - 1)! 例：n = 24，则要枚举的解的个数为：
23!=25,852,016,738,884,976,640,000
n 24 25 26 27 28 29
30 31
2020/5/14
北京交通大学计算机与信息技术学院
9
遗传算法(Genetic Algorithm)
1975年，Holland出版了著名的《Adaptation in Natural and Artificial Systems》，标志着遗传算法的诞生。
在一定程度上解决了传统的基于符号处理机制的人工智能 方法在知识表示、信息处理和解决组合爆炸等方面所遇到 的困难
基于“适者生存”原则，是并行优化算法，其自组织、自 适应、自学习及群体进化的能力适合大规模复杂优化问题
将问题求解表示为“染色体”，通过选择（selection）、 交叉（crossover）和变异（mutation）操作的迭代，实现 种群的演化，最后终收敛到“最适应环境”的个体，从而 求得问题的最优解（满意解）
遗传算法（Genetic Algorithm，GA） 演化规划（Evolutionary Programming，EP） 蚁群优化算法（Ant Colony Optimization，ACO） 粒子群优化算法（Particle Swarm Optimization，PSO） 模拟退火算法（Simulated Annealing，SA） 禁忌搜索算法（Tabu Search，TS） 人工神经网络（Artificial Neural Network，ANN） …
11
随机产生N个个体构成初始种群P(0), 令k=0
对种群P(k)中各个体进行评价
终止？ y n
令m=0
输出优化结果
n
y
m<N？
从种群中选择两个体
rand()>pc
y
n
将所选个体作为临时个体
对选中个体执行 交叉操作生成两 个临时个体
对临时个体以概率pm执行变异操作，产生 两个新个体并放入P(k+1)中，令m=m+2
2020/5/14
北京交通大学计算机与信息技术学院
12
遗传算法-选择
适者生存：适应值高的个体的生存概率大，即被选中用来
繁殖下一代的概率大。
适应值： f (xi )
第i个个体的选择概率：
常用的选择方法有： 比例选择（轮盘选择）
pi
f (xi ) f (xj)
基于排名的选择：由好到坏排序，然后以j 一定方式给
2020/5/14
北京交通大学计算机与信息技术学院
10
遗传算法-简单遗传算法
简单遗传算法（Simple Genetic Algorithms，SGA），又称 基本遗传算法、标准遗传算法
基于二进制编码，是最基本的遗传算法，其遗传进化操作 过程简单、容易理解，是其他遗传算法的雏形和基础
三种基本操作
遗传算法与群智能优 化算法简介
主要内容
智能优化算法简介
问题的NP-完全特性 常用的智能优化算法
遗传算法-Genetic Algorithm 群智能优化算法
蚁群优化算法-Ant Colony Optimization 粒子群优化算法-Particle Swarm Optimization ...
时 间 1s 24s 10m 4.3h 4.9d 136.5d 10.8y 325y
2020/5/14
北京交通大学计算机与信息技术学院
4
2020/5/14
北京交通大学计算机与信息技术学院
5
2020/5/14
北京交通大学计算机与信息技术学院
6
2020/5/14
北京交通大学计算机与信息技术学院
7
智能优化算法简来自百度文库 -常用的智能优化算法
二进制编码的GA通常采用单点交叉和多点交叉。
单点交叉：随机选定一个交叉位置，然后对换交叉点后的子串。
1011 001
0010 110
多点交叉：随机选择多个位置，然后对换相应子串。两点交叉：
10 110 01 00 101 10
2020/5/14
北京交通大学计算机与信息技术学院
每一个体分配选择概率（线性、产非生线随性机等数方：式，[要0,求1]
好的个体被选择的概率大，所有选个择体满所足分下配式的的概第率i个之
和锦为标1赛）选择：在父代个体随机个选体k个：，ij11然p后j 选最好ji 1的p。j
2020/5/14
北京交通大学计算机与信息技术学院
13
遗传算法-交叉
用于组合出新的个体，在解空间中进行有效搜索，同时降 低对有效模式的破坏概率
2020/5/14
北京交通大学计算机与信息技术学院
2
智能优化算法简介
20世纪80年代以来，一些优化算法得到发展
GA、EP、ACO、PSO、SA、TS、ANN及混合的优化策略等
基本思想：模拟或揭示某些自然现象或过程 为用传统的优化方法难以解决的NP-完全问题提供了有效
的解决途径 由于算法构造的直观性与自然机理，因而通常被称作智能
优化算法（intelligent optimization algorithms），或现代启 发式算法（meta-heuristic algorithms） [智能优化算法及其应用，王凌，清华大学出版社，2001]
2020/5/14
北京交通大学计算机与信息技术学院
3
智能优化算法简介 - 问题的NP-完全特性