智能優(yōu)化計算遺傳算法專家講座

4.1遺傳算法介紹

4.1.1遺傳算法產(chǎn)生與發(fā)展

4.1.2生物進(jìn)化理論和遺傳學(xué)基本知識

4.1.3遺傳算法思緒與特點

4.1.4遺傳算法基本操作

4.1.5遺傳算法應(yīng)用4.2基本遺傳算法

4.2.1簡單函數(shù)優(yōu)化實例

4.2.2遺傳基因型

4.2.3適應(yīng)度函數(shù)及其尺度變換

4.2.4遺傳操作——選擇

4.2.5遺傳操作——交叉/基因重組

4.2.6遺傳操作——變異

4.2.7算法設(shè)計與實現(xiàn)

4.2.8模式定理智能優(yōu)化計算湖北民族學(xué)院智能優(yōu)化計算遺傳算法專家講座第1頁4.3遺傳算法改進(jìn)

4.3.1CHC算法

4.3.2自適應(yīng)遺傳算法

4.3.3基于小生境技術(shù)遺傳算法4.4遺傳算法應(yīng)用

4.4.1處理帶約束函數(shù)優(yōu)化問題

4.4.2處理多目標(biāo)優(yōu)化問題

4.4.3處理組合優(yōu)化問題

4.4.4遺傳算法在過程建模中應(yīng)用

4.4.5遺傳算法在模式識別中應(yīng)用智能優(yōu)化計算湖北民族學(xué)院智能優(yōu)化計算遺傳算法專家講座第2頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院問題提出一元函數(shù)求最大值：4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第3頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院問題提出用微分法求取f(x)最大值：解有沒有窮多個：4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第4頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院問題提出當(dāng)i為奇數(shù)時xi對應(yīng)局部極大值點，i為偶數(shù)時xi對應(yīng)局部極小值。x19即為區(qū)間[-1,2]內(nèi)最大值點：此時，函數(shù)最大值f(x19)比f(1.85)=3.85稍大。4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第5頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院編碼表現(xiàn)型：x基因型：二進(jìn)制編碼（串長取決于求解精度）

串長與精度之間關(guān)系：若要求求解精度到6位小數(shù)，區(qū)間長度為2-(-1)＝3，即需將區(qū)間分為3/0.000001=3×106等份。所以編碼二進(jìn)制串長應(yīng)為22位。4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第6頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院產(chǎn)生初始種群產(chǎn)生方式：隨機(jī)產(chǎn)生結(jié)果：長度為22二進(jìn)制串產(chǎn)生數(shù)量：種群大?。ㄒ?guī)模），如30，50，…111101001110000101100011001100111010101011101010100011110010000100101111001001110011100100011001010011000000110000011010010000000000……4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第7頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度不一樣問題有不一樣適應(yīng)度計算方法本例：直接用目標(biāo)函數(shù)作為適應(yīng)度函數(shù)①將某個體轉(zhuǎn)化為[-1,2]區(qū)間實數(shù)：

s=<1000101110110101000111>→x=0.637197②計算x函數(shù)值（適應(yīng)度）：

f(x)=xsin(10πx)+2.0=2.5863454.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第8頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度

二進(jìn)制與十進(jìn)制之間轉(zhuǎn)換：第一步，將一個二進(jìn)制串（b21b20…b0）轉(zhuǎn)化為10進(jìn)制數(shù)：第二步，x’對應(yīng)區(qū)間[-1,2]內(nèi)實數(shù)：4.2.1簡單函數(shù)優(yōu)化實例

(0000000000000000000000)→-1(1111111111111111111111)→2智能優(yōu)化計算遺傳算法專家講座第9頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院遺傳操作選擇：輪盤賭選擇法；交叉：單點交叉；變異：小概率變異4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第10頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院模擬結(jié)果

設(shè)置參數(shù)：種群大小50；交叉概率0.75；變異概率0.05；最大代數(shù)200。

得到最正確個體：smax=<1111001100111011111100>;xmax=1.8506;f(xmax)=3.8503;4.2.1簡單函數(shù)優(yōu)化實例

智能優(yōu)化計算遺傳算法專家講座第11頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院模擬結(jié)果

進(jìn)化過程：4.2.1簡單函數(shù)優(yōu)化實例

世代數(shù)自變量適應(yīng)度11.44953.449491.83953.7412171.85123.8499301.85053.8503501.85063.8503801.85063.85031201.85063.85032001.85063.8503智能優(yōu)化計算遺傳算法專家講座第12頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院編碼標(biāo)準(zhǔn)完備性（completeness）：問題空間全部解都能表示為所設(shè)計基因型；健全性（soundness）：任何一個基因型都對應(yīng)于一個可能解；非冗余性（non-redundancy）：問題空間和表示空間一一對應(yīng)。4.2.2遺傳基因型

智能優(yōu)化計算遺傳算法專家講座第13頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院各種編碼方式二進(jìn)制編碼；浮點數(shù)編碼；格雷碼編碼；符號編碼；復(fù)數(shù)編碼；DNA編碼等。4.2.2遺傳基因型

智能優(yōu)化計算遺傳算法專家講座第14頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院二進(jìn)制編碼與浮點數(shù)編碼比較在交叉操作時，二進(jìn)制編碼比浮點數(shù)編碼產(chǎn)生新個體可能性多，而且產(chǎn)生新個體不受父個體所組成超體限制；在變異操作時，二進(jìn)制編碼種群穩(wěn)定性比浮點數(shù)編碼差。4.2.2遺傳基因型

智能優(yōu)化計算遺傳算法專家講座第15頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)主要性適應(yīng)度函數(shù)選取直接影響遺傳算法收斂速度以及能否找到最優(yōu)解。普通而言，適應(yīng)度函數(shù)是由目標(biāo)函數(shù)變換而成，對目標(biāo)函數(shù)值域某種映射變換稱為適應(yīng)度尺度變換（fitnessscaling）。4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第16頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院幾個常見適應(yīng)度函數(shù)直接轉(zhuǎn)換若目標(biāo)函數(shù)為最大化問題：Fit(f(x))=f(x)若目標(biāo)函數(shù)為最小化問題：Fit(f(x))=-f(x)4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第17頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院幾個常見適應(yīng)度函數(shù)界限結(jié)構(gòu)法1若目標(biāo)函數(shù)為最大化問題：若目標(biāo)函數(shù)為最小化問題：4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第18頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院幾個常見適應(yīng)度函數(shù)界限結(jié)構(gòu)法2若目標(biāo)函數(shù)為最大化問題：若目標(biāo)函數(shù)為最小化問題：

c為目標(biāo)函數(shù)保守預(yù)計值。4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第19頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)作用適應(yīng)度函數(shù)設(shè)計不妥有可能出現(xiàn)坑騙問題：（1）進(jìn)化早期，個別超常個體控制選擇過程；（2）進(jìn)化末期，個體差異太小造成陷入局部極值。4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第20頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)設(shè)計單值、連續(xù)、非負(fù)、最大化合理、一致性計算量小通用性強(qiáng)4.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第21頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)線性變換法

f’=α*f+β系數(shù)確實定滿足以下條件：①f’avg=favg②f’max=cmultf’avg

cmult=1.0~2.04.2.3適應(yīng)度函數(shù)及其尺度變換

智能優(yōu)化計算遺傳算法專家講座第22頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)冪函數(shù)變換法

f’=fk

k與所求優(yōu)化相關(guān)4.2.3適應(yīng)度函數(shù)及其尺度變換

k智能優(yōu)化計算遺傳算法專家講座第23頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院適應(yīng)度函數(shù)指數(shù)變換法

f’=e-af

a決定了復(fù)制強(qiáng)制性，其值越小，復(fù)制強(qiáng)制性就越趨向于那些含有最大適應(yīng)性個體。4.2.3適應(yīng)度函數(shù)及其尺度變換

α智能優(yōu)化計算遺傳算法專家講座第24頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院幾個概念選擇壓力（selectionpressure）:最正確個體選中概率與平均個體選中概率比值；偏差（bias）：個體正規(guī)化適應(yīng)度與其期望再生概率絕對差值；個體擴(kuò)展（spread）：單個個體子代個數(shù)范圍；多樣化損失（lossofdiversity）：在選擇階段未選中個體數(shù)目占種群百分比；4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第25頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院幾個概念選擇強(qiáng)度（selectionintensity）:將正規(guī)高斯分布應(yīng)用于選擇方法，期望平均適應(yīng)度；選擇方差（selectionvariance）：將正規(guī)高斯分布應(yīng)用于選擇方法，期望種群適應(yīng)度方差。4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第26頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院個體選擇概率慣用分配方法按百分比適應(yīng)度分配（proportionalfitnessassignment）某個體i，其適應(yīng)度為fi，則其被選取概率Pi為：4.2.4遺傳操作——選擇

個體ff2P12.56.250.1821.01.000.0333.09.000.2641.21.440.0452.14.410.1360.80.640.0272.56.250.1881.31.690.0590.90.810.02101.83.240.09智能優(yōu)化計算遺傳算法專家講座第27頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院個體選擇概率慣用分配方法基于排序適應(yīng)度分配（rank-basedfitnessassignment）線性排序（byBaker）

μ為種群大小，i為個體序號，ηmax代表選擇壓力。4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第28頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院個體選擇概率慣用分配方法基于排序適應(yīng)度分配（rank-basedfitnessassignment）非線性排序（byMichalewicz）i為個體序號，c為排序第一個體選擇概率。4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第29頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法輪盤賭選擇法（roulettewheelselection）

4.2.4遺傳操作——選擇

個體1234567891011適應(yīng)度2.01.81.61.41.21.00.80.60.40.20.1選擇概率0.180.160.150.130.110.090.070.060.030.020.0累計概率0.180.340.490.620.730.820.890.950.981.001.00智能優(yōu)化計算遺傳算法專家講座第30頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法隨機(jī)遍歷抽樣法（stochasticuniversalsampling）

4.2.4遺傳操作——選擇

個體1234567891011適應(yīng)度2.01.81.61.41.21.00.80.60.40.20.1選擇概率0.180.160.150.130.110.090.070.060.030.020.0累計概率0.180.340.490.620.730.820.890.950.981.001.00智能優(yōu)化計算遺傳算法專家講座第31頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法局部選擇法（localselection）(1)線形鄰集4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第32頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法局部選擇法（localselection）(2)兩對角鄰集4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第33頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法局部選擇法（localselection）(2)兩對角鄰集4.2.4遺傳操作——選擇

智能優(yōu)化計算遺傳算法專家講座第34頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法截斷選擇法（truncationselection）個體按適應(yīng)度排列，只有優(yōu)異個體能夠稱為父個體，參數(shù)為截斷閥值（被選作父個體百分比）。4.2.4遺傳操作——選擇

截斷閥值1％10％20％40％50％80％選擇強(qiáng)度2.661.761.20.970.80.34智能優(yōu)化計算遺傳算法專家講座第35頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院慣用選擇方法錦標(biāo)賽選擇法（tournamentselection）隨機(jī)從種群中挑選一定數(shù)目個體，其中最好個體作為父個體，此過程重復(fù)進(jìn)行完成個體選擇。4.2.4遺傳操作——選擇

競賽規(guī)模12351030選擇強(qiáng)度00.560.851.151.532.04智能優(yōu)化計算遺傳算法專家講座第36頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組離散重組子個體每個變量能夠按等概率隨機(jī)地挑選父個體。4.2.5遺傳操作——交叉/基因重組

父個體112

25

5父個體2123

4

34子個體1123

4

5子個體212

4

34智能優(yōu)化計算遺傳算法專家講座第37頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組中間重組子個體＝父個體1＋α×（父個體2－父個體1）

α是百分比因子，由[-d,1+d]上均勻分布地隨機(jī)數(shù)產(chǎn)生。

d=0時為中間重組，普通取d=0.25。子代每個變量均產(chǎn)生一個α。4.2.5遺傳操作——交叉/基因重組

智能優(yōu)化計算遺傳算法專家講座第38頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組中間重組

4.2.5遺傳操作——交叉/基因重組

父個體112255父個體2123434子個體1子個體2α值樣本10.51.1-0.1α值樣本20.10.80.512＋0.5×（123－12）=67.567.525＋1.1×（4－25）=1.91.92.112＋0.1×（123－12）=23.123.18.219.5智能優(yōu)化計算遺傳算法專家講座第39頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組中間重組

4.2.5遺傳操作——交叉/基因重組

智能優(yōu)化計算遺傳算法專家講座第40頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組線性重組

4.2.5遺傳操作——交叉/基因重組

父個體112255父個體2123434子個體1子個體2α值樣本10.5α值樣本20.112＋0.5×（123－12）=67.567.525＋0.5×（4－25）=14.514.519.512＋0.1×（123－12）=23.123.122.97.9智能優(yōu)化計算遺傳算法專家講座第41頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值重組線性重組

4.2.5遺傳操作——交叉/基因重組

智能優(yōu)化計算遺傳算法專家講座第42頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院二進(jìn)制交叉單點交叉

4.2.5遺傳操作——交叉/基因重組

智能優(yōu)化計算遺傳算法專家講座第43頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院二進(jìn)制交叉多點交叉

4.2.5遺傳操作——交叉/基因重組

智能優(yōu)化計算遺傳算法專家講座第44頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院二進(jìn)制交叉均勻交叉

4.2.5遺傳操作——交叉/基因重組

父個體101110011010

父個體210101100101子個體11

11

011

11

1

1

1子個體20

01

100

00

0

0

0

樣本101100011010樣本210011100101智能優(yōu)化計算遺傳算法專家講座第45頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院實值變異普通采取：二進(jìn)制變異

4.2.6遺傳操作——變異

智能優(yōu)化計算遺傳算法專家講座第46頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

%用遺傳算法進(jìn)行簡單函數(shù)優(yōu)化clearbn=22;%個體串長度inn=50;%初始種群大小gnmax=200;%最大代數(shù)pc=0.75;%交叉概率pm=0.05;%變異概率Continue…智能優(yōu)化計算遺傳算法專家講座第47頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

%產(chǎn)生初始種群s=round(rand(inn,bn));%計算適應(yīng)度,返回適應(yīng)度f和累積概率p[f,p]=objf(s);Continue…智能優(yōu)化計算遺傳算法專家講座第48頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

gn=1;whilegn<gnmax+1forj=1:2:inn%選擇操作seln=sel(s,p);%交叉操作scro=cro(s,seln,pc);scnew(j,:)=scro(1,:);scnew(j+1,:)=scro(2,:);%變異操作smnew(j,:)=mut(scnew(j,:),pm);smnew(j+1,:)=mut(scnew(j+1,:),pm);endContinue…智能優(yōu)化計算遺傳算法專家講座第49頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

s=smnew;%產(chǎn)生了新種群%計算新種群適應(yīng)度[f,p]=objf(s);

%統(tǒng)計當(dāng)前代最好和平均適應(yīng)度[fmax,nmax]=max(f);fmean=mean(f);ymax(gn)=fmax;ymean(gn)=fmean;Continue…智能優(yōu)化計算遺傳算法專家講座第50頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

%統(tǒng)計當(dāng)前代最正確個體x=n2to10(s(nmax,:));xx=-1.0+x*3/(power(2,bn)-1);xmax(gn)=xx;

gn=gn+1endgn=gn-1;Continue…智能優(yōu)化計算遺傳算法專家講座第51頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院主程序

4.2.7算法設(shè)計與實現(xiàn)

%繪制曲線subplot(2,1,1);plot(1:gn,[ymax;ymean]);title('歷代適應(yīng)度改變','fonts',10);legend('最大適應(yīng)度','平均適應(yīng)度');string1=['最終適應(yīng)度',num2str(ymax(gn))];gtext(string1);subplot(2,1,2);plot(1:gn,xmax,'r-');legend('自變量');string2=['最終自變量',num2str(xmax(gn))];gtext(string2);End智能優(yōu)化計算遺傳算法專家講座第52頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度和累計概率函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%計算適應(yīng)度函數(shù)function[f,p]=objf(s);r=size(s);%讀取種群大小inn=r(1);%有inn個個體bn=r(2);%個體長度為bnContinue…智能優(yōu)化計算遺傳算法專家講座第53頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度和累計概率函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

fori=1:innx=n2to10(s(i,:));%將二進(jìn)制轉(zhuǎn)換為十進(jìn)制xx=-1.0+x*3/(power(2,bn)-1);%轉(zhuǎn)化為[-1,2]區(qū)間實數(shù)f(i)=ft(xx);%計算函數(shù)值，即適應(yīng)度endf=f';Continue…智能優(yōu)化計算遺傳算法專家講座第54頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度和累計概率函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%計算選擇概率fsum=0;fori=1:innfsum=fsum+f(i)*f(i);endfori=1:innps(i)=f(i)*f(i)/fsum;endContinue…智能優(yōu)化計算遺傳算法專家講座第55頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算適應(yīng)度和累計概率函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%計算累積概率p(1)=ps(1);fori=2:innp(i)=p(i-1)+ps(i);endp=p';Backtomain.m智能優(yōu)化計算遺傳算法專家講座第56頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院計算目標(biāo)函數(shù)值函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%目標(biāo)函數(shù)functiony=ft(x);y=x.*sin(10*pi*x)+2;Backtoobjf.m智能優(yōu)化計算遺傳算法專家講座第57頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院選擇操作函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%“選擇”操作functionseln=sel(s,p);inn=size(p,1);%從種群中選擇兩個個體fori=1:2r=rand;%產(chǎn)生一個隨機(jī)數(shù)prand=p-r;j=1;whileprand(j)<0j=j+1;endseln(i)=j;%選中個體序號endBacktomain.m智能優(yōu)化計算遺傳算法專家講座第58頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院交叉操作函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%“交叉”操作functionscro=cro(s,seln,pc);r=size(s);inn=r(1);bn=r(2);pcc=pro(pc);%依據(jù)交叉概率決定是否進(jìn)行交叉操作，1則是，0則否Continue…智能優(yōu)化計算遺傳算法專家講座第59頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院交叉操作函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

ifpcc==1chb=round(rand*(bn-2))+1;%在[1,bn-1]范圍內(nèi)隨機(jī)產(chǎn)生一個交叉位scro(1,:)=[s(seln(1),1:chb)s(seln(2),chb+1:bn)];scro(2,:)=[s(seln(2),1:chb)s(seln(1),chb+1:bn)];elsescro(1,:)=s(seln(1),:);scro(2,:)=s(seln(2),:);endBacktomain.m智能優(yōu)化計算遺傳算法專家講座第60頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院變異操作函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

%“變異”操作functionsnnew=mut(snew,pm);r=size(snew);bn=r(2);snnew=snew;Continue…智能優(yōu)化計算遺傳算法專家講座第61頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院變異操作函數(shù)

4.2.7算法設(shè)計與實現(xiàn)

pmm=pro(pm);%依據(jù)變異概率決定是否進(jìn)行變異操作，1則是，0則否ifpmm==1chb=round(rand*(bn-1))+1;%在[1,bn]范圍內(nèi)隨機(jī)產(chǎn)生一個變異位snnew(chb)=abs(snew(chb)-1);endBacktomain.m智能優(yōu)化計算遺傳算法專家講座第62頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院運(yùn)行程序

4.2.7算法設(shè)計與實現(xiàn)

智能優(yōu)化計算遺傳算法專家講座第63頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院運(yùn)行程序

4.2.7算法設(shè)計與實現(xiàn)

智能優(yōu)化計算遺傳算法專家講座第64頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院運(yùn)行程序

4.2.7算法設(shè)計與實現(xiàn)

智能優(yōu)化計算遺傳算法專家講座第65頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院運(yùn)行程序

4.2.7算法設(shè)計與實現(xiàn)

智能優(yōu)化計算遺傳算法專家講座第66頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院模式將種群中個體即基因串中相同樣板稱為模式。在二進(jìn)制編碼串中，模式是基于三個字符集（0，1，*）字符串，符號*代表任意字符，即0或1。如模式*1*描述了一個四個元子集{010，011，110，111}。4.2.8模式定理

智能優(yōu)化計算遺傳算法專家講座第67頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院模式階和定義距模式H中確定位置個數(shù)稱為模式H模式階，記作O(H)，如O(011*1*)=4。模式階用來反應(yīng)不一樣模式間確定性差異，模式階越高，模式確實定性就越高，所匹配樣本個數(shù)就越少。4.2.8模式定理

智能優(yōu)化計算遺傳算法專家講座第68頁4.2基本遺傳算法

智能優(yōu)化計算湖北民族學(xué)院模式階和定義距模式H中第一個確定位置和最終一個確定位置之間距離稱為模式定義距，記作δ(H)，如

δ(011*1**)=4。階數(shù)相同模式會有不一樣性質(zhì)，定義距就反應(yīng)了這種性質(zhì)差異。4.2.8模式定