《适应性精英种群策略的遗传算法用于多模函数优化课件》由会员分享，可在线阅读，更多相关《适应性精英种群策略的遗传算法用于多模函数优化课件（22页珍藏版）》请在金锄头文库上搜索。
1、Applied soft computing 11 (2011) 20172034Genetic algorithm with adaptive elitist-population strategies for multimodal function optimization 适应性精英种群策略的遗传算法用于多模函数优化适应性精英种群策略的遗传算法用于多模函数优化 Yong Liang , Kwong-Sak Leung Keywords: Genetic algorithm Multimodal optimization Niching strategy 适应性精英种群策略的遗传算法用于多
2、模函数优化课件摘要摘要v引入了一种新技术引入了一种新技术, ,适应性精英种群搜索方法。适应性精英种群搜索方法。此方法适应性地调整种群大小，根据个体的不相此方法适应性地调整种群大小，根据个体的不相似性和新型的依赖方向的精英遗传算子，提出了似性和新型的依赖方向的精英遗传算子，提出了一个适应性精英种群遗传算法（一个适应性精英种群遗传算法（AEGAAEGA）适应性精英种群策略的遗传算法用于多模函数优化课件1.介绍介绍v现实中的许多问题需要优化算法能够搜索多个最优解。近年来已经提出了各种种群多样性改进机制，使得GA通过搜索保持了种群的多样性，允许GA识别多模函数的多个最优解，但并没有说明算法对于效率的改
3、进。多模GA的效率必须平衡两方面的矛盾： 适应性精英种群策略的遗传算法用于多模函数优化课件1.介绍介绍v精英搜索vs.多样性保持：精英策略在GA中被广泛采用，用于改善全局最优搜索能力，但精英策略关注某些“最优”个体，而减少了种群多样性，而GA又需要保持种群多样性来发现多个最优解。如何平衡精英搜索和多样性保持对于构建有效率的多模GA是很重要的。v算法有效性vs.冗余种群：许多 GA使用大规模种群来提高获得全局和多个最优解的几率。但大种群将明显增加算法计算的复杂性，并产生很多多余个体，降低了GA的效率。 适应性精英种群策略的遗传算法用于多模函数优化课件适应性精英种群策略的遗传算法用于多模函数优化课
4、件2.新的适应性精英种群搜索技术新的适应性精英种群搜索技术（1）个体的相对方向）个体的相对方向v对于高维的多模函数最大化问题，定义两个个体对于高维的多模函数最大化问题，定义两个个体Pi和和Pj的相对上升方向，为了方便定义，通过交叉产生的后代的相对上升方向，为了方便定义，通过交叉产生的后代个体个体Ci和和Cj作为参考点，通过比较父代和子代的适应度作为参考点，通过比较父代和子代的适应度值，定义两个个体的相对方向。个体值，定义两个个体的相对方向。个体Pi相对于相对于Pj的方向的方向定义为：定义为：如果如果f(Ci)-f(Pi)0，Pi的相对上升方向是移向的相对上升方向是移向Pj；如果如果f(Ci)-
5、f(Pi)=0，Pi的相对上升方向是的相对上升方向是flat；如果如果f(Ci)-f(Pi)=ds，则两个个体是不相似的并处于不同的峰，则两个个体是不相似的并处于不同的峰上；上；v如果两个个体的相对方向是如果两个个体的相对方向是face to face，one-way或或flat 并且并且df(Pi)f(Ci)f(Pi)，将，将CiCi替代替代PiPi进进入下一代；如果入下一代；如果f(Ci)=f(Pi)f(Ci)=f(Pi)，则，则PiPi进入下一代。进入下一代。若若PiPi和和CiCi是不相似的：是不相似的：PiPi直接进入下一代；将直接进入下一代；将CiCi与其与其距离阈值范围内的所有个
6、体距离阈值范围内的所有个体PjPj进行比较进行比较（d(Ci,Pj)dsd(Ci,Pj)ds），如果不存在这样的），如果不存在这样的PjPj或或f(Pj) f(Pj) f(Ci)f(Ci)，则，则CiCi是未开发的或至少处于一个不同的峰，是未开发的或至少处于一个不同的峰，CiCi进入下一代；如果进入下一代；如果f(Ci) f(Pj)f(Ci) 1）倍，则删除适应）倍，则删除适应度低的个体。度低的个体。适应性精英种群策略的遗传算法用于多模函数优化课件3.基于适应性精英种群的遗传算法基于适应性精英种群的遗传算法 （c）基于适应性精英种策略演化算法）基于适应性精英种策略演化算法vStep 1. 初始
7、化种群。初始化种群。vStep 2. 评价个体的适应度。评价个体的适应度。vStep 3. 执行精英交叉和变异策略，并评价种群执行精英交叉和变异策略，并评价种群适应度。适应度。vStep 4. 根据种群控制条件控制种群规模。根据种群控制条件控制种群规模。vStep 5. 重复重复step3step4直到到达给定的最大直到到达给定的最大代数。代数。 适应性精英种群策略的遗传算法用于多模函数优化课件4.实验实验适应性精英种群策略的遗传算法用于多模函数优化课件比较算法比较算法vDeterministic Crowding v Probabilistic CrowdingvSequential Fit
8、ness SharingvClearing Procedure vClusteringvBased Niching (CBN) v Clonal Selection vSpecies Conserving Genetic Algorithm (SCGA)适应性精英种群策略的遗传算法用于多模函数优化课件实验实验vComparing AEGA with other algorithms for finding all multiple optima of the problemsvin the final population of AEGA, the 100 individuals decrea
9、se to 5 individuals corresponding to the 5 multiple optima, while, on the contrary, the final population of other seven algorithms still have 100 individualsvThe change processes of the AEGAs population sizesvComparing AEGA with other algorithms for finding the multiple high fitness optima of the pr
10、oblemsvThe effect of the distance parameter适应性精英种群策略的遗传算法用于多模函数优化课件适应性精英种群策略的遗传算法用于多模函数优化课件结论结论本文根据个体的不相似性和新型的依赖方本文根据个体的不相似性和新型的依赖方向的精英遗传算子，适应性地调整种群大向的精英遗传算子，适应性地调整种群大小，提出了一个适应性精英种群遗传算法小，提出了一个适应性精英种群遗传算法（AEGAAEGA），使得多模优化问题中的最大多），使得多模优化问题中的最大多样性和最小种群规模得以保持。样性和最小种群规模得以保持。 适应性精英种群策略的遗传算法用于多模函数优化课件文章研读文章研读Add your company slogan适应性精英种群策略的遗传算法用于多模函数优化课件
