当前课程知识点:智能控制 > 第七章 遗传算法及其应用 > 7.3 遗传算法的基本操作之复制 > 7.3 遗传算法的基本操作之复制
下面介绍一下
遗传算法的基本操作
那么John Holland教授
提出的遗传算法
称为简单的遗传算法
它两个主要特点
操作简单
功能强大
那么它的遗传算法
一般包括三个基本操作
复制
交叉
变异
我们首先看一下复制
复制也称繁殖
它是从一个旧种群中
选择生命力强的个体位串
产生新种群的过程
换句话说
所谓的复制就是个体位串
根据其目标函数
也就是适配值函数
拷贝自己的过程
遗传到下一代
那么复制操作
是模仿自然选择现象
将达尔文的适者生存理论
运用于位串的复制
那么在自然的群体中
适配值是由一个生物
为了继续生存而捕食
预防时疫
在生长和繁殖后代过程中
克服障碍的能力来决定的
也就是它生存能力来决定的
那么在复制操作中
目标函数是该位串被复制
或被淘汰的决定因素
下面我们举个例子
假定初始种群有四个个体
01101是二进制代码表示的
它的个体
11000
01000
10011
那么它们这四个位串
这是它的基因型
也就是二进制代码组成的位串
它对应的十进制
就是它的表现型
那么这四个个体对应的表现型
分别是多少呢
01101就是8+4+1就是13
第二个个体
11000就是16+8对应的表现型是24
第三个个体
01000对应的表现型是8
第四个个体
10011对应的是16+2+1等于19
这样的话初始位串这四个个体
它对应的表现型
分别为13、24、8、19
如果我们这个问题是要求解函数
f(x)等于x的平方
求它的最大值
那么这时候我们定义适配值函数为
f(x)等于x的平方
这样的话
这四个个体它所对应的表现型
分别为13、24、8、19
那么这四个体它的生存能力
就用它的适配值函数来描述
分别对应就是169
576
64
361
那么显然在这四个个体组成的种群里面
这四个个体的适配值总和是1170
每个个体它的适配值
占总数的百分比分别为14.4%
49.2%
5.5%
和30.9
那么我们可以画出这样一个饼图来
显然在这张图里面
我们发现第二个个体
它的适配值最大
占到总数的百分比最高
其次是第四个个体
再是第一个个体
再是第三个个体
那么显然第二个个体的生存能力
也就它的适配值最大
生存力最强
那么再复制到下一代过程中
我要优先考虑第二个个体
把这个好的基因要保持下去
遗传下去
而这是第三个个体
它的适配值占比最小
那么在遗传到下一代过程中
我要把这种比较差的个体
要淘汰掉
那么画出这样一个饼图来之后
按照适配值函数
所占的比例划分成一个饼图
我们想象一下类似于转圈
转这个轮盘
我们发现复制到下一代的个体的
每一个种群复制到下一代个体的概率
它的适配值占种群总适配值的
百分比成正比
那么这种方法叫轮盘赌法
那么我们发现这四个个体
它的复制概率
也就是它的百分比
适配值占总数百分比
分别是0.14
0.49
0.06
0.31
那么乘以种群数是四个
种群个体有四个
那么就得到了期望的复制数
分别为0.58 1.97 0.22 1.23
这样的话四舍五入
我们很容易得到
这四个个体遗传到下一代过程中
复制到下一代过程中
实际的复制数分别为1、2、0、1
也就是说将第三个个体
它的适配值最低
是按占比最低
把它给淘汰掉
而第二个个体
它的适配值占总数百分比最高
把它复制两次
多复制一些
这样的话这叫做复制操作
也就是说当前种群是四个个体
下一代
四个个体
它是怎么形成的
就是01101第一个体复制一下
第二个个体
11000复制两个
第三个个体给淘汰掉
01000淘汰掉
第四个个体
10011复制一个
这样形成了复制之后的结果
-开篇
--开篇
-1.1课程考试方式
-1.2 数据、信息、知识与智能
-1.3传统控制面临的挑战
-1.4 控制科学发展过程
-1.5 智能控制的多元论
--1.5
-1.6 控制策略的渗透与融合
--1.6
-1.7 智能控制与传统控制的联系与区别
--1.7
-1.8 智能控制的类型之分级递阶智能控制系统
--1.8
-1.9 智能控制的类型之专家控制系统
--1.9
-1.10 智能控制的类型之模糊控制系统
--1.10
-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.11
-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.12
-1.13本章小结
--1.13
-第一章测试
-2.1基于搜索的问题求解
-- 2.1.7 均一代价搜索
-- 2.1.10 A星算法
-2.2 专家系统简介
- 2.3 专家PID
-第二章测试
-3.1 模糊控制概述
-3.2 模糊集合
-3.3 隶属函数
--3.3隶属函数.
-3.4 模糊关系及其运算
-第三章测试
- 4.1 模糊自适应整定PID控制原理
-4.2 基于FF的模糊PID控制试验验证
-第四章测试
- 5.1 神经网络简介
- 5.2 神经网络的发展简史
-5.3 神经网络的基本概念
- 5.4 神经网络的分类
-5.5 神经网络的学习算法、基本特征和研究领域
-第五章测试
-6.1 感知器
--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)
- 6.2 BP神经网络
--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现
--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合
-第六章测试
- 7.1 什么是遗传算法
-7.2 遗传算法的特点
-7.3 遗传算法的基本操作之复制
-7.4 遗传算法的基本操作之交叉与变异
-第七章测试
-8.1 遗传编程工作原理
-8.2 遗传编程基本操作之复制
-8.3 遗传编程基本操作之交换和突变
- 8.4 遗传编程的工作步骤及实例分析
-第八章测试
-期末测试