概述
进化计算的一般步骤。
与普通搜索算法相比
1、初始解的个数:进化计算从一组初始解出发
2、编码:原问题与生物个体相对应
3、搜索策略:确定性,随机性
进化计算的共同特点
枚举搜索:把所有的解算出来求最好的,全局最优值,计算复杂度大,效率低。
微分搜索:用到梯度下降。
随机搜索:从解空间中随机选取一定数量的点,难以保证解的质量。
启发式搜索:利用问题的一些启发式的信息进行搜索。(模拟退火算法)
进化计算本质上是一种启发性的随机搜索。
第二点是相当于是每个生物体去做局部搜索,这样能使得得到全局最优解的概率更大。
可并行是说每个生物体的计算并行。
遗传算法
GA一般步骤
用遗传算法解决工程问题时需要编码,也就是,将解空间的解数据表示成遗传空间的基因串结构数据。评估编码策略:完备性、非冗余性、字符集及位数小。总之就是越简单越完备越好。
常用编码方法。
1,二进制编码
2,大字符集编码
3,序列编码
4,实数编码
5,树编码:不定长
6,自适应编码:不定长
7,符号(乱序)编码:增加基因位标号
初始种群的产生:在已编码的解空间中,随机产生N个初始解,每个初始解为一个个体,N个个体构成一个种群称为初始种群。
N是种群规模
适应度函数的确定
目标函数:具体问题
适应度函数:表明个体或解的优劣性,进行选择的唯一依据。
要求:非负,而且优化方向与适应度函数值的增大方向一致。
也就是说适应度函数是要求最大值。
算例
GA一些基本问题和特点
GA的旅行商问题求解
聚类问题