当前课程知识点:智能控制 > 第八章 遗传编程 > 8.3 遗传编程基本操作之交换和突变 > 8.3 遗传编程基本操作之交换和突变
那么复制完了之后
遗传编程有个交换
所谓交换是将两个个体的某些组成部分
互相调换一下
从而能产生两个新的个体
在交换中首先用轮盘赌法
随机选择两个优良个体作为父代个体
然后在两个个体中随机选取一个交换点
将交换点以后的部分进行交换
类似于遗传算法的交叉操作
在本例里面首先解决谁和谁进行交换的问题
第二个问题就是说在哪个地方进行交换
假定个体1和个体4进行交换
个体2和个体3进行交换
然后交换点分别用下划线标记
这是交换前的个体
我们要1、4交换
1和4交换
以下划线为交换点
也就是说下划线之后的x
和x的0.76次方进行对调一下
那么个体2、3也进行交换
是吧
x的0.76次方
和log(x)进行对调一下
x的0.76次方和log(x)进行对调一下
我们这样就得到了交换后的个体
个体1 原来的1.21乘以x
变成了1.21乘以x的0.76次方
个体4 原来的x的0.76次方变成了x
个体2 原来的x的0.76次方变成log(x)
个体3 log(x)变成了x的0.76次方
这是交换后得到的结果
那么交换后得到的四个个体
我们同样的办法
代入自变量x的取值
就得到了这交换后的这四个个体
它的输出和实测值y进行比较
就能得到它们的相应的适应度的值
这样得出来的结果就是
这四个个体
它的适应度
个体3 倒数第二小
个体1 是最小的 75
而个体4呢 它的适应度最大
它是最差的
857.6760
那么这一代个体的平均适应度是327.1040
我们发现经过复制和交换
个体2的误差从第0代的5123.380
减少到了276.225
那么第一代群体的平均适应度 327
也比第0代群体的平均适应度
1529.6有很大的改善
那么光有复制和交换还不够
那么还需要一个突变操作
但是在遗传编程中
突变的作用远不如
在遗传算法中那样重要
那么近年来突变
也日益得到了重视
在有些方面得到应用
不断地执行上述个体适应度测定
复制 交换 突变等操作
使得群体的素质不断改善
最终可逐渐逼近最优解
-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