遗传算法简介和代码详解

《遗传算法简介和代码详解》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、WORD格式可编辑遗传算法简述及代码详解声明：本文内容整理自网络，认为原作者同意转载，如有冒犯请联系我。遗传算法基本内容遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。遗传学与遗传算法中的基础术语比较染色体(chromosome)数据，数组，序列基因(gene)单个元素，位等位基因(allele)数据值，属性，值基因座(locus)位置，iterator位置表现型(phenotype)参数集，解码结构，候选解染色体：又可以叫做基因型个体(indi

2、viduals)群体/种群(population)：一定数量的个体组成，及一定数量的染色体组成，群体中个体的数量叫做群体大小。初始群体：若干染色体的集合，即解的规模，如30，50等，认为是随机选取的数据集合。适应度(fitness)：各个个体对环境的适应程度优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码/译码，因为优化后要进行评价（此时得到的解是否较之前解优越），所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；如果直接生成二进制

3、初始种群，则不必有编码过程，但要求解码时将染色体解码到问题可行域内。遗传算法的准备工作:1)数据转换操作，包括表现型到基因型的转换和基因型到表现型的转换。前者是把求解空间中的参数转化成遗传空间中的染色体或者个体(encoding)，后者是它的逆操作(decoding)2)确定适应度计算函数，可以将个体值经过该函数转换为该个体的适应度，该适应度的高低要能充分反映该个体对于解得优秀程度。非常重要的过程。遗传算法基本过程为:1)编码，创建初始群体2)群体中个体适应度计算3)评估适应度4)根据适应度选择个体5)被选择个体进行交叉繁

4、殖6)在繁殖的过程中引入变异机制7)繁殖出新的群体，回到第二步实例一：（建议先看实例二）专业知识分享WORD格式可编辑求范围内的的最小值1)编码算法选择为"将转化为2进制的串"，串的长度为5位（串的长度根据解的精度设定，串长度越长解得精度越高）。(等位基因的值为0or1)。2)计算适应度的方法是：先将个体串进行解码，转化为int型的x值，然后使用作为其适应度计算合适(由于是最小值，所以结果越小，适应度也越好)。需要说明，将原目标函数设置为适应度函数是一种选择，但未必是最贴切的方法。3)正式开始，先设置群体大小为4，然后初始

5、化群体=>(在[0，31]范围内随机选取4个整数就可以编码)4)计算适应度Fi(由于是求解最小值，可以选取一个大的基准线1000）5)计算每个个体的选择概率，选择概率要能够反映个体的优秀程度。这里用一个很简单的方法来确定选择概率6)选择根据所有个体的选择概率进行淘汰选择。这里使用的是一个赌轮的方式进行淘汰选择。先按照每个个体的选择概率创建一个赌轮，然后选取4次，每次先产生一个0-1的随机小数，然后判断该随机数落在那个段内就选取相对应的个体。这个过程中，选取概率高的个体将可能被多次选择，而概率低的就可能被淘汰。下面是一个简单

6、的赌轮的例子13%35%15%37%----------

7、----------------------------

8、------------------

9、---------------------------------

10、个体1个体2个体3^0.67个体4随机数为0.67落在了个体4的端内，本次选择了个体4。被选中的个体将进入配对库(matingpool，配对群体)准备开始繁殖。7)简单交叉先对配对库中的个体进行随机配对，然后在配对的2个个体中设置交叉点，交换2个个体的信息后产生下一代。比如(

11、代表简单串的交叉位置)(01

12、10

13、1，1100

14、0)--交叉-->(01100，11001)(01

15、000，11

16、011)--交叉-->(01011，11000)2个父代的个体在交叉后繁殖出了下一代的同样数量的个体.复杂的交叉在交叉的位置，交叉的方法，双亲的数量上都可以选择.其目的都在于尽可能的培育出更优秀的后代8)变异变异操作时按照基因座来的，比如说每计算2万个基因座就发生一个变异(我们现在的每个个体有5个基因座。也就是说要进化1000代后才会在其中的某个基因座发生一次变异)变异的结果是基因座上的等位基因发生了变化。我们这里的例子就是把0变成1或则

17、1变成0。至此，我们已经产生了一个新的(下一代)群体，然后回到第4步，周而复始，生生不息下去。专业知识分享WORD格式可编辑实例二：为了便于理解，手工计算来简单地模拟遗传算法的各个主要执行步骤：（1）个体编码遗传算法的运算对象是表示个体的符号串，所以必须把变量x1,x2编码为一种符号串。本题中，用无符号