当前课程知识点:智能控制 > 第八章 遗传编程 > 8.2 遗传编程基本操作之复制 > 8.2 遗传编程基本操作之复制
那么看一下
遗传编程里面的初始群体
怎么形成的
它也是可以用随机的方法产生
可以通过在函数集
事先定义的函数集
以及终止符集T中
随机选取若干个fi
若干个ti
组成各种复杂的数据函数
那么其中这些常数a、b
可以在允许范围之内随机取值
假定初始群体
也就是第0代个体
它有这样四个个体
个体一(见公式)
个体二(见公式)
个体三(见公式)
个体四(见公式)
那么这四个个体
我们要衡量它的性能优劣
怎么衡量的呢
这个东西叫做个体的适应度
对它进行测量
用它来衡量每个个体的性能优劣
这里面我们也是将个体表达式
来逼近真实解的近似程度
这个问题里头
我们可以列举初始个体
这四个个体
它的计算值与实测值的比较
采用误差绝对值的总和
作为个体的适应度
列出这样一个表
对于表里面x和y
通过定义这四个个体的初始表达式
代入x就能得到它对应的y是多少
这样的话每个个体的y
跟它的实测值y
期望的值y进行比较
就能够求出它的适应度值
我们发现个体二的适应误差最大
性能最差
个体四呢误差最小
性能最佳
那么第0代初始种群体
平均适应度为1529.6
那么这样的话
初始种群里面这四个个体
显然第二个个体性能最差
它的误差绝对值总和最大
而第四个个体
它的性能最好
它的误差绝对值总和是最小的
118.5183
那么类似于遗传算法
一旦变成里面也有复制操作
达尔文的优胜劣汰
适者生存自然法则
也用于遗传编程中
那么在每一代群体中
优良个体要复制进入下一代群体
保留它的优良基因
而劣质个体要将被淘汰
为了选择复制对象
可采用遗传算法中的比例选择法
也叫轮盘赌法
使适应度高的优良个体尽量被复制
但也不排除个别的
劣质个体被破格录用
那么在这个例子里面
由于个体二的适应度最差
最大
我们就把性能最差
我们就把它淘汰掉
而个体四它的性能最好
它的适应度最小
所以它被复制了两次
取代了个体二
这样的话初始种群的四个个体
经过复制一次之后
就形成了这样的四个个体
那么个体二和个体四是一样的
1.242乘以x的0.76次方
原来的个体二给淘汰掉
个体一和个体三都复制一次
保持不动
-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