文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 十进制遗传算法的收敛性分析
侵权投诉

十进制遗传算法的收敛性分析

遗传算法

黄友锐:              十进制遗传算法的收敛性分析                 第1期

(x1,x2,…xi xi+1,…xm)(y1,y2,…yi yi+1,…ym)

2.2.2.2 非均匀突变

Τ

(x1,x2,…xi yi+1,…ym)(y1,y2,…yi xi+1,…xm)

这种策略把突变为:

11

xk+ (t,UBk-xk) if flip=02

xk=11

xk- (t,xk-LBk) if flip=1

()

其中: (t,y)=y(1-r1-T)b,r为随机数,0≤r≤1,T为最大代数,t为当前代数,b为系统参数,它用来调整突变对代数的依赖性,flip由突变概率来控制,。可以看出随着t的增加, (t,y)减小。,,t的,对具。

.2.3 高斯噪声突变 由上面的策略启发,在参数取值随近加一个高斯噪声进行扰动。

212xk=xk+N(0,Ρ)1

其中:Ρ的取值只依赖于xk的位置,为了使问题不

11

致出现非可行解,[xk-6Ρ,xk+6Ρ]<[LBk,UBk]即保证

也可选取多个交叉点进行交叉,仅考虑这种最简单的形式。为什么要摒弃原来在二进制中采用的交叉策略呢?先来考虑二进制算法中的交叉策略:在参数经过编码后的代码段中任选一个空档,双方互换空档前后的代码段。

如图:

173=1010 1101  1010 0010=162

]

34=0010 0010   方的优点,动,。若再推广这种策略到十进制算法中,那简直就行不通了,因为高低位的权重比更大了。而采用参数间交叉,可以充分利用各个参数的同等重要性达到交叉产生的新品种个体的目的。各个参数内部就不再做“贫富不均”的交叉了。

2.2.2 突变 十进制中的突变机制与二进制的基

xk-6Ρ≥LBk,Ρ≤xk+6Ρ≤UBk,Ρ≤

1

1

1

6Ρ

1

6

亦即0≤Ρ≤m1

本原理有了本质的差异,二进制算法中对代码中的每个位进行了某一概率的突变;而在十进制遗传算法中通常有以下几种策略可供选择,无妨考虑某一维参数xk的突变。

2.2.2.1 简单突变 这种突变是指该参数范围[LBk-UBk]内依均匀分布进行取值。这种突变方

6Ρ

,

1

6

法与二进制的突变本质上是相似的,因为突变后仍取值于格子点上,类似于把xk编为十进制码后每一位按概率为p=0.1的Bernoulli模型发生突变:

010

110

210

310

410

510

610

710

810

910

10这样发生突变后个体不会离原个体太远,但又保持一定的突变性,而且突变本身与遗传所涉及的当前的代数无关,之所以选取6Ρ是因为这样可以保证有更大的突变范围,实际上3Ρ就足够了。

2.2.3 选择 由于问题的目标与二进制算法是一致的,因此选择的策略采用同一策略即根据不同的适应值相应以不同的概率选取个体。

→

→

P(x1)=

i=1

i)2f(x1n

3 十进制遗传算法的收敛性分析

在优化理论中,一个算法是收敛的,是指算法

产生了一个解或函数值的数列,而全局最佳值是该数列的极限值。以下以马尔柯夫链为模型来分析遗传算法的收敛性。3.1 Markov链在分析十进制遗传算法中的具体形式

把十进制遗传算法可以看作是一个有限状态空间的马氏链,其中状态空间为S={S1,S2,…

29

12

Π个体x1,x2,xk,xk为它们的第k维坐标,在

2

(UBk[LBk,UBk]中均匀取值取到xk的概率为Εk 12

-LBk);而把xk对应的十进制代码全部转换为xk

的十进制代码的概率为:log10

UB-LBk

≈

Εk

-1

=

UBk-LBk

这种突变简单可行,但它的缺点在于网格点太多,随机性比较大,容易导致无目标搜索。

上一页第2页

你可能喜欢

  • 十进制算法
  • 遗传算法原理
  • 遗传算法程序
  • 算法入门
  • 测试函数
  • matlab遗传算法实例
  • 算法研究

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email