遗传算法中的一些控制参数 种群规模 最大换代数 交叉率(crossover rate) ·参与交叉运算的染色体个数占全体染色体总数的比例，记为P,取值范围一 般为0.40.99。 变异率(mutation rate) ·指发生变异的基因位数所占全体染色体的基因总位数的比例，记为Pm,取 值范围一般为0.00010.1。 angzhou Dianzi University杭州电子科技大学 Sckool of Computer3 Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 遗传算法中的一些控制参数 种群规模 最大换代数 交叉率(crossover rate) • 参与交叉运算的染色体个数占全体染色体总数的比例，记为Pc, 取值范围一 般为0.4~0.99。 变异率(mutation rate) • 指发生变异的基因位数所占全体染色体的基因总位数的比例，记为Pm，取 值范围一般为0.0001~0.1
遗传算法中交叉与变异的作用 复制的作用： 保留优良个体，但不会产生新个体。 控制进化的方向，而交叉、变异等算子不能控制进化方向。 01001011,10010101 交叉的作用： 会产生新个体，但子代个体与父代的差异不大。 如右图，只能产生0100，xxxx,xxxx,xxxx这个范围内新个体。 01000101,10011011 与父代的差异较小，进化速度慢，且易于陷入局部最小。 变异的作用： 会产生突变的新个体，会产生差异较大的新个体 若变异率太大，使得进化变成了随机算法。 angzhou Dianzi University杭州电子科技大学 Sckool of Computer3 Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 遗传算法中交叉与变异的作用 复制的作用： 保留优良个体，但不会产生新个体。 控制进化的方向，而交叉、变异等算子不能控制进化方向。 交叉的作用： 会产生新个体，但子代个体与父代的差异不大。 如右图 ，只能产生 0100,xxxx,xxxx,xxxx 这个范围内新个体。 与 父代的 差异较小，进化速度慢，且易于陷入局部最小。 变异的作用 ： 会产生突变的新个体，会产生差异较大的新个体 若变异率太大，使得进化变成了随机算法
遗传算法基本概念 基本概念 发展历史，基本概念，遗传操作 基本步骤 遗传算法基本步骤 基本步骤、算法参数 基本遗传算法应用 基本遗传算法应用举例 个 函数求极值 旅行商问题求解 旅行商问题求解 遗传算法参数设定 总结 总结 遗传算法的特点与优势 angzhou Dianzi University杭州电子科技大学 Schoolo时Computer Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 基本概念 旅行商问题求解 基本步骤 基本遗传算法应用 总结 遗传算法基本概念 发展历史， 基本概念，遗传操作 … 遗传算法基本步骤 基本步骤、算法参数 基本遗传算法应用举例 旅行商 问题求解 遗传算法参数设定… 总结 ？ 遗传算法的特点与优势 函数求极值
遗传算法应用举例 利用遗传算法求解区间[0,31]上的二次函数y=x2的最大值。 Jx2 31 Hangzhou Dianzi University杭州电子科技大学 Sckool of Computer3 Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 遗传算法应用举例 利用遗传算法求解区间[0,31]上的二次函数y=x2的最大值。 y=x2 31 X Y
分析 原问题可转化为在区间[0,31]中搜索能使y取最大值的点a的问题。 [0,31]中的每个点x就是个体。 函数值fx)恰好就可以作为x的适应度。 区间[0,31]就是一个（解）空间。 问题：如何给出个体x的适当染色体编码？使得该问题可用遗传算法来解决。 Hangzhou Dianzi University杭州电子科技大学 Sckool of Computer3 Science and Technology计算机学院周文晖
Hangzhou Dianzi University 杭州电子科技大学 School of Computer Science and Technology 计算机学院 周文晖 分析 原问题可转化为在区间［0,31］中搜索能使y取最大值的点a的问题。 [0, 31]中的每个点x就是个体。 函数值f(x)恰好就可以作为x的适应度。 区间[0, 31]就是一个(解)空间。 问题：如何给出个体x的适当染色体编码？使得该问题可用遗传算法来解决