基于遗传算法的随机优化搜索.ppt
天马****23
亲,该文档总共34页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于遗传算法的随机优化搜索.ppt
4.1基本概念2.染色体及其编码遗传算法以生物细胞中的染色体(chromosome)代表问题中的个体对象。而一个染色体可以看作是由若干基因组成的位串,所以需要将问题中的个体对象编码为某种位串的形式。这样,原个体对象也就相当于生命科学中所称的生物体的表现型(phenotype),而其编码即“染色体”也就相当于生物体的基因型(genotype)。遗传算法中染色体一般用字符串表示,而基因也就是字符串中的一个个字符。例如,假设数字9是某问题中的个体对象,则我们就可以用它的二进制数串1001作为它的染色体编码。3
基于遗传算法的随机优化搜索.ppt
第4章基于遗传算法的随机优化搜索4.1基本概念1.个体与种群●个体就是模拟生物个体而对问题中的对象(一般就是问题的解)的一种称呼,一个个体也就是搜索空间中的一个点。●种群(population)就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。2.适应度与适应度函数●适应度(fitness)就是借鉴生物个体对环境的适应程度,而对问题中的个体对象所设计的表征其优劣的一种测度。●适应度函数(fitnessfunction)就是问题中的全体个体与其适应度之间的一个对应关系。它一般
第3章+基于遗传算法的随机优化搜索.ppt
第4章基于遗传算法的随机优化搜索世界自然界的选择基本规律:优胜劣汰,适者生存!规律是如何实现的?有性物种则是通过其遗传基因不断地混合和重组,推进进化。生物进化(混合和重组)的过程就是优化的过程。遗传算法(GA)就是大自然规律在计算机算法中的模拟。4.1基本概念1.个体与种群●个体就是模拟生物个体而对问题中的对象(一般就是问题的解)的一种称呼,一个个体也就是搜索空间中的一个点。●种群(population)就是模拟生物种群而由若干个体组成的群体,它一般是整个搜索空间的一个很小的子集。2.适应度与适应度函数
基于遗传算法的优化设计论文.docx
基于遗传算法的优化设计论文1数学模型的建立影响抄板落料特性的主要因素有:抄板的几何尺寸a和b、圆筒半径R、圆筒的转速n、抄板安装角β以及折弯抄板间的夹角θ等[4,9]。在不同的参数a、β、θ下,抄板的安装会出现如图1所示的情况。图1描述了不同参数组合下抄板的落料特性横截面示意图。其中,图1(a)与图1(b)、图1(c)、图1(d)的区别在于其安装角为钝角。当安装角不为钝角且OB与OC的夹角σ不小于OD与OC夹角ψ时(即σ≥ψ),会出现图1(b)所示的安装情况;当σ<ψ时,又会出现图1(c)与图1(d)所示
云计算环境下基于随机键遗传算法的工作流调度优化方法.pdf
本发明公开了一种云计算环境下基于随机键遗传算法的工作流调度优化方法,包括以下步骤:获取调度所需信息;计算任务的排序值和层次值;初始化当代种群;进行进化:采用FBI&D和LDI方法改进当代种群并计算适应度值,采用精英保留、个体迁徙、参数化均匀交叉形成新的当代种群,直到满足进化终止条件;输出调度优化方案。本发明基于随机键实数编码可以实现全域搜索,在初始种群中播入基于HEFT_lbt的个体可以缩短收敛时间,采用个体迁徙方法替代变异操作能在更大程度上破坏个体、保持种群多样性,有利于避免进入局部最优和早熟,