GA(Genetic Algorithm)基因算法,是1962年由john holland所提出来的,当时并没有得到应用,直到1983年他的学生goldberg将其实做,从此基因算法便发展开来,成为现在启发式最佳化中流行的方法之一。
GA的优点就是很快收敛,得到较好的fitness的值,在生产排程、TSP等问题上运用广泛。
在基因算法当中有很多基础的概念,包括chromosome(染色体),gene(基因),crossover(交配),mutation(突变)等等。
(1)chromosome(染色体),它是一个DNA串,它可以是用字符串来表示也可以用个向量来表示。一个染色体包含了许多基本的DNA区块,每区块都有其独特的信息。
(2)crossover(交配),在一个交配点,两个父带的染色体进行信息的交换,从而产生新的染色体。
(3)mutation(突变),对于一个染色体,进行信息的变动,在研究当中经常使用的是双点交换。
(4)population(时代数),比如说有100条染色体,population就为100
(5)fitness:fitness的值决定了染色体信息的好坏,我们需要的是fitness好的染色体保留下来,不好的淘汰掉。
例如运用GA来寻找max x的平方 -10<=x<=10规定染色体的长度为5,population为4,首先随机产生4条染色体分别是:01110、01111、10011、00100。precision of bit encoding:10-(-10)/2*2*2*2*2-1=0.645,下面分别计算其fitness的值:
x1=01110=0.645*(2+4+8)-10=-0.97——>x1的平方=0.94
x2=01111=0.645*(1+2+4+8)-10=-0.325——>x2的平方=0.11
x3=10011=0.645*(1+2+16)-10=2.26——>x3的平方=5.09
x4=00100=0.645*4-10=-7.42——>x4的平方=55.06
fitness的和为x1+x2+x3+x4=61.20
x1被选中的概率:0.94/61.20=0.02
x2被选中的概率:0.11/61.20=0.00
x3被选中的概率:5.09/61.20=0.08
x4被选中的概率:55.06/61.20=0.90
概率大的选中的几率就会大,假设选择了x1和x4,那么对他们进行crossover,假设位置为2
01110 01100
——>
00100 00110
交配后新产生的两个子代child1=01100,child2=00110它们对应的fitness分别是5.11和37.58,假设再选出两个父带经过mutation(变异)再产生出child3和child4,这四个子代和以前的父带进行比较,根据fitness的值进行删选,选出前四名,正是所谓的适者生存。
这样的方法一直进行下去,直到收敛找到最佳的population为止。
分享到:
相关推荐
介绍了文化基因算法MA的基本思想、框架、静态MA、动态MA以及研究展望,非常适合入门。
文化基因算法的简单介绍,文化基因算法的流程图,了解文化基因这一人工智能前沿问题
基因算法,基因算法,基因算法,基因算法,基因算法,基因算法,基因算法
文化基因算法求解TSP问题的研究
计算智能中非常重要的一种算法,文化基因算法,与中山大学计算智能教材配套.
本程序是基因算法的vc实现
APS算法分析之五基因算法
matlab基因算法工具箱 非常实用!!!!!!!!!!
遗传算法 基因算法 实例 vc 源码 gene algorithm
针对基本遗传算法存在的这个问题,结合实验分析,提出了一种以遗传算法为全局搜索策略的文化基因算法,并针对第四方物流的问题特点设计了相应的局部搜索策略。实验结果表明,与基本遗传算法相比,该混合算法不仅在...
基因算法的VC++实例.基因算法不一定求得最优解,但可以较快的得到极优解.
针对最小二乘支持向量机(LS-SVM)在时间序列预测中的参数不确定问题,在训练阶段,使用结合了全局搜索和局部搜索的免疫文化基因算法来进行参数寻优。实验中通过对Lorenz时间序列和建筑能耗的两组预测实验,对比了...
基因详细算法 国外教材ppt 系统介绍了基因算法的步骤和一些典型案例
针对当前图像隐写方案存在阶梯效应,使其不可感知能力差,且其信息隐藏容量小(≤50%)等不足,设计了最优像素调整耦合基因算法的高容量图像隐写术。基于HDWT(Hara discerte wavelet transform)机制,构造隐藏信息...
代码主要实现了基因算法 在视图中右击便可构造城市从而创建地图,也可以清楚城市 创建完地图后,可以使用基因算法寻求TSP优化解
基因算法最新进展,发表在IEEE trans on cybernetics上。
MemeticAlgorithm_研究进展
自己编写的基因算法,每个步骤都很清晰,适合学习。
基于启发式算法(Heuristic Algorithm, HA)与修复遗传算法(Repairing Genetic Algorithm, RGA)相结合的文化基因算法(Memetic Algorithm, MA)是一种较为迅速的最优算法