分布估计算法-课件【PPT讲稿】.ppt

分布估计算法分布估计算法综述?最近几年,在进化计算领域兴起的一类新型的优化算法,即分布估计算法( Estimation of Distribution Algorithm ) 简称 EDA ,提出了一种全新的进化模式, 1996 年提出,在 2000 年前后迅速发展,成为当前进化计算领域前沿的研究内容。综述?基本思想--遗传算法和统计学****相结合?基本方法--通过统计学****的手段建立解空间内个体分布的概率模型,然后对概率模型随即采样产生新的群体,如此反复, 实现群体的进化综述?基本概念?1个体与种群?●个体就是模拟生物个体而对问题中的对象?(一般就是问题的解)的一种称呼,一个个?体也就是搜索空间中的一个点。?●种群(population) 就是模拟生物种群而由若?干个体组成的群体, 它一般是整个搜索空间?的一个很小的子集。综述?基本概念?概率模型?--用于描述取值域中优秀个体分布情况的一系列函数或其他数学工具(包括概率密度函数、条件概率、边缘概率等等) 综述?基本概念?适应度与适应度函数?●适应度(fitness) 就是借鉴生物个体对环境的?适应程度,而对问题中的个体对象所设计的?表征其优劣的一种测度。?●适应度函数(fitness function) 就是问题中的?全体个体与其适应度之间的一个对应关系。?它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。综述?主要步骤(虽然有很多具体的实现方法, 但是分布估计算法可以归纳为以下两步) ?1:,选择优秀的个体集合,然后采用统计学****等手段构造一个描述当前解集的概率模型. ?2:由概率模型随机采样产生新的种群。综述?分布估计算法的与遗传算法的不同?生物进化的数学模型遗传算法是对于个体进行遗传操作(交叉、变异等), "微观"层面模拟生物的进化。分布估计算法是对于整个群体的分布建立一个概率模型,通过这个概率模型来描述进化的方向, 是“宏观”层面的模拟。综述?示例?在这里,举一个最简单的离散的优化的问题作为示例。? Z=X1+X2 ,其中 X1 的取值域为 1,2,3,4,5 , x2 的取值域为 6,7,8,9,10