羅孝麟_遺傳算法

1、LOGO羅孝麟2017.3.11PPT模板下載： 行業(yè)PPT模板： 節(jié)日PPT模板： PPT素材下載： PPT圖表下載： 優(yōu)秀PPT下載： PPT教程： Word教程： Excel教程： 資料下載： PPT課件下載： 范文下載： 試卷下載： 教案下載： Genetic AlgorithmsStep 1individuals in the population are n-dimensional binary vectorsx, and the goal is to minimize some objective function S(x).Step 2Determining the M “fi

2、ttest” individuals could be via tournament selection.（1）In basic tournament selection with tournaments of size K, this involves selecting K individuals uniformly from the population（2）selecting the individual with the lowest objective function value as the winner. The winner then joins the reproduct

3、ion pool. This process is repeated M timesStep 3Combine with one-point crossover:given two parents xand y, and a random location r between 0 and n, create a new individualz = (x1, . . . , xr, yr+1, . . . , yn)Step 4Mutationflipping each component ofeach binary vector independently with probability p

4、 = 1/nStep 6If a stopping criterion is met, stopThere are so many conditions we can uselA solution is found that satisfies minimum criterialFixed number of generations reachedlAllocated budget (computation time/money) reachedlManual inspection The above-mentioned content comes fromMonte Carlo Method

5、s ,Dirk P.Kroese. There is a example about kangaroo onhttp:/ 問(wèn)題可以簡(jiǎn)化為數(shù)值求解一個(gè)函數(shù)的全局最小值“袋鼠跳”問(wèn)題 我們把 函數(shù)曲線理解成一個(gè)一個(gè)山峰和山谷組成的山脈。那么我們可以設(shè)想所得到的每一個(gè)解就是一只袋鼠，我們希望它們不斷的向著更高處跳去，直到跳到最高的山峰（盡管袋鼠本身不見(jiàn)得愿意那么做）。所以求最大值的過(guò)程就轉(zhuǎn)化成一個(gè)“袋鼠跳”的過(guò)程。 模擬物競(jìng)天擇的生物進(jìn)化過(guò)程，通過(guò)維護(hù)一個(gè)潛在解的群體執(zhí)行了多方向的搜索，并支持這些方向上的信息構(gòu)成和交換。以面為單位的搜索，比以點(diǎn)為單位的搜索，更能發(fā)現(xiàn)全局最優(yōu)解。 在遺傳算法中，有很多

6、袋鼠，它們降落到喜瑪拉雅山脈的任意地方。這些袋鼠并不知道它們的任務(wù)是尋找珠穆朗瑪峰。但每過(guò)幾年，就在一些海拔高度較低的地方射殺一些袋鼠，并希望存活下來(lái)的袋鼠是多產(chǎn)的，在它們所處的地方生兒育女。以下是這個(gè)例子的求解過(guò)程滿足收斂是結(jié)束否我們的程序框圖如下比較各個(gè)chi2值并覆蓋最小值數(shù)據(jù)簡(jiǎn)介測(cè)試時(shí)getchi2函數(shù)為人為定義的多元函數(shù)，即程序的目的為找到這個(gè)函數(shù)的全局最低點(diǎn)，程序中比較重要的幾點(diǎn)分為： 1）變異方法 2）適應(yīng)性函數(shù) 3）輪盤賭法 4）收斂條件1）變異方法 初始的變異矢量為隨機(jī)n維單位矢量，然后根據(jù)施密特正交法生成一組n維正交的基矢/wi

7、ki/Gram-Schmidt_process之后依照上述基矢產(chǎn)生隨機(jī)步長(zhǎng)由初始點(diǎn)向各個(gè)正交的方向變異（步長(zhǎng)的最大值由使用者輸入）2）適應(yīng)性函數(shù)作為遺傳算法對(duì)個(gè)體是否保留的評(píng)判標(biāo)準(zhǔn)，函數(shù)值越高保留的幾率越大，此處即設(shè)置為exp（getchi2）3）輪盤賭法決定是否保留遺傳個(gè)體的函數(shù)，其選擇機(jī)制與輪盤賭相同4）收斂條件在本程序中收斂條件設(shè)置為在連續(xù)一定次數(shù)的迭代中一直沒(méi)有更小的值出現(xiàn)后即停止。這個(gè)方法在目前的測(cè)試中是十分有效的。但在實(shí)際應(yīng)用中（選定一些物理模型的待定參數(shù)），是否有更加適用和符合物理的方法？ double x = fabs(p0 ); double y = p1; double chi2 = (x-1)*(x-1)-1)*(p0=0)*0.5) + (y-2)*(y-2) + (p2-1)*(p2-1) + (p3-2)*(p3-2) + (p4-1)*(p4-1) + (p5-2)*(p5-2) + (p6-1)*(p6-1) + (p7-2)*(p7-2) ; return chi2;final chi2 = -1.9868, p0=-1.07674, p1=2.00403, p2=1.01723, p3=2.014, p4=1.01711, p5=2.