《遗传算法》 (2).ppt

该【《遗传算法》 (2) 】是由【相惜】上传分享，文档一共【77】页，该文档可以免费在线阅读，需要了解更多关于【《遗传算法》 (2) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第四章遗传算法〔续〕————交叉/——;采用混合遗传算法;采用动态自适应技术;采用非标准的遗传操作算子;采用并行遗传算法等。;C:跨世代精英选择〔Crossgenerationalelitistselection〕策略;H:异物种重组〔bination〕;C:大变异〔Cataclysmicmutation〕。,从中按一定概率选择较优的个体;即使交叉操作产生较劣个体偏多,由于原种群大多数个体残留,不会引起个体的评价值降低;可以更好地保持遗传多样性;排序方法,克服比例适应度计算的尺度问题。:当两个父个体位值相异的位数为m时,从中随机选取m/2个位置,实行父个体位值的交换;确定一阈值,当个体间距离低于该阈值时,不进行交叉操作。进化收敛的同时,逐渐地减小该阈值。,当种群进化到一定收敛时期,从最优个体中选择一局部个体进行初始化;初始化:选择一定比例〔扩散率,〕的基因座,随机地决定它们的位值。,直接影响算法的收敛性;Pc越大,新个体产生的速度就越快,但过大会使优秀个体的结构很快被破坏;Pc过小,搜索过程缓慢,以至停止不前;Pm过小,不易产生新个体结构,Pm过大,变成纯粹的随机搜索;,Pc和Pm能够随适应度自动改变:当种群各个体适应度趋于一致或趋于局部最优时,使Pc和Pm增加;而当群体适应度比较分散时,使Pc和Pm减少;对于适应度较高的个体,对应于较低的Pc和Pm;而较低适应度的个体,对应于较高的Pc和Pm。