遗传算法基础及其部分常用函数

遗传算法基础及其部分常用函数

遗传算法

• 基本遗传算法
  • 染色体编码
    • 二进制（常用）
    • 整数
    • 实值
  • 适应度函数
    • 根据进化目标编写的计算个体适应度值的函数，通过适应度函数计算每个个体的适应度值，提供给选择算子进行选择
  • 适应度评估
    • 解码
    • 评价目标函数
    • 转为适应度
      • 极大值问题：适应度就是目标函数
      • 极小值问题：转为极大值问题
  • 遗传操作
    • 选择
      • 适应度大，被选择概率大
      • 使用比例选择算子
    • 交叉
      • 使用单点交叉算子
      • 两个个体
      • 随机产生一个交叉点位置
      • 互换部分基因码
      • 交叉概率：0.4~0.99
    • 变异
      • 基本位变异算子
      • 均匀变异算子
      • 避免问题过早收敛
      • 二进制的基因
      • 0变1，1变0
      • 变异概率Pm:0.0001~0.1
• 遗传算法常用函数
  • 创建种群函数——crtbp
    • [Chrom,Lind,BaseV]=crtbp(Nind,Lind)
      • 创建一个大小为Nind*Lind的随机二进制矩阵
      • Nind:种群个体数
      • Lind:个体长度
      • 返回：
        • Chrom:种群编码
        • 个体长度：Lind
        • BaveV:染色体基因位的基本字符向量
    • [Chrom,Lind,BaseV]=crtbp(Nind,Base)
      • 个体的每位编码的进制数由Base决定
      • Base的列数即为个体长度
    • [Chrom,Lind,BaseV]=crtbp(Nind,Lind,Base)
      • Lind可省略
    • eg:
      • [Chrom,Lind,BaseV]=crtbp(5,10)
      • [Chrom,Lind,BaseV]=crtbp(5,[2,2,2,2,2,2,2,2,2,2])
      • [Chrom,Lind,BaseV]=crtbp(5,10,[2,2,2,,2,2,2,2,2,2,2])
  • 适应度计算函数——ranking
    • FitnV=ranking(objv)
      • 按照个体的目标值ObjV(列向量)由小到大的顺序对个体进行排序的，并返回个体适应度值FitV的列向量？
    • FitnV=ranking(objV,RFun)
      • 此格式中的RFun有三种情况：
        • 是一个在[1,2]区间内的标量，则采用线性排序，这个标量指定选择的压差
        • 是一个具有两个参数的向量
          • RFun(2):指定排序方法
            • 0：线性排序
            • 1：非线性排序
          • RFun（1）:
            • 线性排序：
              • 标量指定的选择压差RFun(1)必须在[1,2]区间
            • 非线性排序：RFun(1)必须在[1，length(ObjV)-2]区间
            • NAN：RFun(1)假设为2
        • RFun是长度为length(ObjV)的向量，则它包含对每一行的适应度值的计算
    • FitnV=ranking(ObjV,RFun,SUBPOP)
      • ObjV：同上
      • RFun:同上
      • SUBPOP：指明在ObjV中子种群的数量
        • 省略或为NAN，SUBPOP=1
        • 注：ObjV中所有子种群的大小必须相同
    • eg:
      • 使用线性排序和压差为2