遗传算法
来源:互联网 发布:单片机控制无刷电机 编辑:程序博客网 时间:2024/04/28 09:34
一.进化论知识
作为遗传算法生物背景的介绍,下面内容了解即可:
种群(Population):生物的进化以群体的形式进行,这样的一个群体称为种群。
个体:组成种群的单个生物。
基因 ( Gene ) :一个遗传因子。
染色体 ( Chromosome ) :包含一组的基因。
生存竞争,适者生存:对环境适应度高的、牛B的个体参与繁殖的机会比较多,后代就会越来越多。适应度低的个体参与繁殖的机会比较少,后代就会越来越少。
遗传与变异:新个体会遗传父母双方各一部分的基因,同时有一定的概率发生基因变异。
简单说来就是:繁殖过程,会发生基因交叉( Crossover ) ,基因突变 ( Mutation ) ,适应度( Fitness )低的个体会被逐步淘汰,而适应度高的个体会越来越多。那么经过N代的自然选择后,保存下来的个体都是适应度很高的,其中很可能包含史上产生的适应度最高的那个个体。
二.遗传算法思想
借鉴生物进化论,遗传算法将要解决的问题模拟成一个生物进化的过程,通过复制、交叉、突变等操作产生下一代的解,并逐步淘汰掉适应度函数值低的解,增加适应度函数值高的解。这样进化N代后就很有可能会进化出适应度函数值很高的个体。
举个例子,使用遗传算法解决“0-1背包问题”的思路:0-1背包的解可以编码为一串0-1字符串(0:不取,1:取) ;首先,随机产生M个0-1字符串,然后评价这些0-1字符串作为0-1背包问题的解的优劣;然后,随机选择一些字符串通过交叉、突变等操作产生下一代的M个字符串,而且较优的解被选中的概率要比较高。这样经过G代的进化后就可能会产生出0-1背包问题的一个“近似最优解”。
编码:需要将问题的解编码成字符串的形式才能使用遗传算法。最简单的一种编码方式是二进制编码,即将问题的解编码成二 进制位数组的形式。例如,问题的解是整数,那么可以将其编码成二进制位数组的形式。将0-1字符串作为0-1背包问题的解就属于二进制编码。
适应度函数 ( Fitness Function ):用于评价某个解的适应度,用f(x)表示。有时需要区分解的适应度函数与问题的目标函数。例如:0-1背包问题的目标函数是所取得物品价值,但将物品价值作为解的适应度函数可能并不一定适合。适应度函数与目标函数是正相关的,可对目标函数作一些变形来得到适应度函数。
遗传算法有3个最基本的操作:选择,交叉,变异。
选择:选择一些个体来产生下一代。一种常用的选择策略是 “比例选择”,也就是个体被选中的概率与其适应度函数值成正比。假设群体的个体总数是M,那么那么一个体Xi被选中的概率为f(Xi)/( f(X1) + f(X2) + …….. + f(Xn) ) 。比例选择实现算法就是所谓的“轮盘赌算法”( Roulette Wheel Selection )
交叉(Crossover):2条染色体交换部分基因,来构造下一代的2条新的染色体。例如:
单点交叉,交叉前:
11101001000
00001010101
交叉后:
00001001000
11101010101
两点交叉,交叉前:
00000 011100000000 10000
11100 000001111110 00101
交叉后:
00000 000001111110 10000
11100 011100000000 00101
染色体交叉是以一定的概率发生的,这个概率记为Pc 。
变异(Mutation):在繁殖过程,新产生的染色体中的基因会以一定的概率出错,称为变异。变异发生的概率记为Pm 。例如:
变异前:
000001110000000010000
变异后:
000001110000100010000
三.基本遗传算法的伪代码
/** Pc:交叉发生的概率* Pm:变异发生的概率* M:种群规模* G:终止进化的代数* m:变异率* Tf:进化产生的任何一个个体的适应度函数超过Tf,则可以终止进化过程*/初始化Pm,Pc,M,G,Tf等参数。随机产生第一代种群Pop do{ 计算种群Pop中每一个体的适应度F(i) 初始化空种群newPop根据适应度以比例选择算法从种群Pop中选出适应度最高的几个个体,直接加入到种群newPop中
do { 根据适应度以比例选择算法从种群Pop中选出2个个体 if ( random ( 0 , 1 ) < Pc ) { 对2个个体按交叉概率Pc执行交叉操作 } if ( random ( 0 , 1 ) < Pm ) { 对2个个体按变异概率Pm执行变异操作 } 将2个新个体加入种群newPop中 } until ( M个子代被创建 )
变异:使用均匀的概率从newPop中随机选取m%个个体,对选出的每个个体,在它的表示中随机选择一个位取反。
用newPop取代Pop
}until ( 任何染色体得分超过Tf, 或繁殖代数超过G )
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- 遗传算法
- [DEVDIV翻译] iOS 5 Programming Cookbook中文翻译
- SWINGEIGHT
- git入门-linux下配置git
- [转载]超全的JS树形菜单(有效果图)
- linux 等待队列(wait queue)
- 遗传算法
- Java的类加载器
- Struts,Spring,Hibernate三大框架的面试
- GOOGLE EARTH 问题解决
- impdp导入时卡死
- how to use kvm
- JS中this的用法
- Drupal是如何工作的
- bash 脚本编程三 变量组成命令与大括号