5.1遗传算法 2遗传算法的框图(图5,2) (1)初始化群体; ()计算群体上每个个体的应度值;C5 (3)按由个体适应度值所决定的甚个规则选 择将进入下一代的个体 (4)按概率P进行交叉操作 (5)按概率P进行突吏振作 (6)若没有满足某种停止条件,则转第(2)步 否则进入下一步。 (⑦)輪出群体中适应度值最优的樂色体作为问题的 满意解或录优解
6 2. 遗传算法的框图(图5.2) (1) 初始化群体; (2) 计算群体上每个个体的适应度值; (3) 按由个体适应度值所决定的某个规则选 择将进入下一代的个体; (4) 按概率Pc进行交叉操作; (5) 按概率Pc进行突变操作; (6) 若没有满足某种停止条件，则转第(2)步， 否则进入下一步。 (7) 输出群体中适应度值最优的染色体作为问题的 满意解或最优解。 5.1 遗传算法
5.1遗传算法 开始「 初始化种群 计算适应度值 选择操作 交叉操作 变异操作 终止条件 初始化种群 图52算法框图
7 初始化种群 变异操作 计算适应度值 选择操作 交叉操作 初始化种群 终止条件 开始 图5.2 算法框图 5.1 遗传算法
5.1遗传算法 一般遗传算法的主要步骠如下: (1)随机产生一个由确定长度的特征字 符串组成的初始群体。 (2)对该字符串群体迭代的执行下面的 步①和②,直到端足停止标准: ①计算群体中每个个体字符串的适应值; (②应用复制、交叉和异等遗传算子产生 下一代群体。 (3)把在后代中出现的最好的个体字符 串指定为遗传算謗的执行结果,这个 结果可以表示问题的一个解。 8
8 一般遗传算法的主要步骤如下： (1) 随机产生一个由确定长度的特征字 符串组成的初始群体。 (2) 对该字符串群体迭代的执行下面的 步①和②，直到满足停止标准： ① 计算群体中每个个体字符串的适应值； ② 应用复制、交叉和变异等遗传算子产生 下一代群体。 (3) 把在后代中出现的最好的个体字符 串指定为遗传算法的执行结果，这个 结果可以表示问题的一个解。 5.1 遗传算法
5.1遗传算法 GEN: =0 产生初始群体 是否满足停止准则是 指定结果 否 计算每个个体的适应值 C结束 i:=0 GEN: =GEN+I 是 i=M? 否 复制 依概率选择遗传操作 交叉 变异 选择一个个体 选择两个个体 选择一个个体 执行复制 i:=i+1 执行变异 L复制到新群体」 匚执行杂交 插入到新群体 将两个后代插入新群体 i:=i+1 9
9 产生初始群体 是否满足停止准则 计算每个个体的适应值 GEN:=GEN+1 i=M? 依概率选择遗传操作 执行复制 选择一个个体 i:=i+1 选择两个个体 选择一个个体 执行变异 i:=0 GEN:=0 复制到新群体 i:=i+1 将两个后代插入新群体 执行杂交 插入到新群体 指定结果 结束 是 否 是 否 复制 交叉 变异 5.1 遗传算法
5.1遗传算法 遗传算法的一般结构表示 .g Procedure: Genetic Algorithms ☆ begin t←-0 initialize P(t;evaluate P(t); while(not termination condition)do ☆ begin recombine P(t to yield c(t); evaluate c(t) 8 select P(t+1) from P(t)and c(t; t←t1 end end 10
10 遗传算法的一般结构表示 ❖ Procedure: Genetic Algorithms ❖ begin ❖ t ← 0; ❖ initialize P(t);evaluate P(t); ❖ while (not termination condition ) do ❖ begin ❖ recombine P(t) to yield C(t); ❖ evaluate C(t); ❖ select P(t+1) from P(t) and C(t); ❖ t ← t+1; ❖ end ❖ end 5.1 遗传算法