遗传算法--适应度尺度变换
提醒:阅读本文需要对遗传算法有基本的了解!!!
问题介绍:在遗传算法中,局部收敛和选择操作存在矛盾。没有选择操作的遗传算法运行性能差;而选择操作又容易使遗传算法得到局部最优解。为了解决两者之间的矛盾,提出了适应度尺度变换方法,通过不同的适应度评价标准来影响选择操作。因此,适应度尺度变换对于防止优化过程中过早收敛、陷入局部最优解,能产生明显的效果。
适应度尺度变换介绍:在算法初期运行中,为了维护种群多样性,可以降低种群个体之间的适应度差异程度;在算法运行后期中,为了保证优秀的个体遗传下去,要提高个体之间的适应度差异程度。针对以上需求,提出了几种适应度尺度变换(Fitness Scaling)的方法:线性尺度变换、乘幂尺度变换和指数尺度变换。
线性尺度变换:线性尺度变换的公式为, F为原适应度;
为线性尺度变换后的新适应度;
为变换系数。
和
的选取直接影响适应度的好坏,所以它们的选取要满足以下两个条件:(1)线性尺度变换后的新适应度的平均值要等于原适应度平均值。(2)线性尺度变换后的最大适应度要等于新的平均适应度的指定倍数。
乘幂尺度变换:(暂无,以后补充)
指数尺度变换:(暂无,以后补充)