3.4.3变异操作变异的具体操作为:对中任一个体，随机产生一实数，如果大于事先定义的变异概率的阈值，就对该个体进行变异。1.实值变异2.二进制变异第30页，共42页，星期日，2025年，2月5日第1页，共42页，星期日，2025年，2月5日3.1遗传算法的基本概念3.2遗传编码3.3适应值函数3.4遗传操作3.5初始化群体3.6控制参数的选取3.7算法的终止准则3.8遗传算法的基本理论3.9遗传算法简例3.10遗传算法的应用领域第2页，共42页，星期日，2025年，2月5日3.1遗传算法的基本概念基本思想使用模拟生物和人类进化的方法求解复杂的优化问题，因而也称为模拟进化优化算法。遗传算法将择优与随机信息交换结合在一起，在每一代中，使用上代中最好的，即最适应环境的位或片段，形成新的人工生物集。遗传算法是一个迭代过程，在每次迭代中都保留一组候选解，并按某种优劣指标进行排序，然后按某种指标从中选出一些解，利用遗传算子，即下面要讲到的遗传操作，对其进行运算以产生新一代的一组解。重复上述过程，直到满足指定的收敛要求为止。第3页，共42页，星期日，2025年，2月5日3.1.1遗传算法的基本概念定义3.1个体:个体是一个数据结构，用来描述基本的遗传结构。定义3.2适应性：每个个体有一对应的适应值。在优化问题中，适应值来自于一个估计函数。定义3.3群体:由个体组成的集合。定义3.4遗传操作：遗传操作作用于群体而产生新的群体。标准的代遗传操作一般包括选择(或复制)，交叉(或重组)和变异三种基本形式。例子第4页，共42页，星期日，2025年，2月5日一个简单的遗传操作实例第5页，共42页，星期日，2025年，2月5日3.1.2遗传算法的基本流程遗传算法涉及五大要素：参数编码初始群体设定适应度函数设计遗传操作设计控制参数设定第6页，共42页，星期日，2025年，2月5日确定实际问题参数集对参数进行编码初始化群体Ｐ(t)评价群体满足停止准则?遗传操作结束群体Ｐ(t＋１)?群体Ｐ(t)三个基本操作：1.选择2.交叉3.变异其它高级操作标准遗传算法基本流程框图第7页，共42页，星期日，2025年，2月5日选择种群新后代变异交叉1234110001110001110101010111010001101101101154.538.343.734.61324#位串适应值排序110001110001110100011100010001011101110011000101010110011100交叉点变异位标准遗传算法基本流程框图实例交配池第8页，共42页，星期日，2025年，2月5日遗传算法的执行过程选择编码策略，把参数集合Ｘ和域转换为相应编码空间Ｓ；定义适应值函数f(X);定义遗传策略，包括选择群体大小、选择、交叉、变异方法以及确定交叉概率Ｐｃ、变异概率Ｐｍ等遗传参数；随机初始化生成群体Ｐ(t);计算群体中个体的适应值f(X);按照遗传策略，运用选择、交叉和变异操作作用于群体，形成下一代群体；判断群体性能是否满足某一指标，或者已完成预定迭代次数，不满足则返回步骤6），或者修改遗传策略再返回步骤6）。第9页，共42页，星期日，2025年，2月5日3.2遗传编码3.2.1二进制编码3.2.2Gray编码3.2.3实数编码3.2.4有序编码3.2.5结构式编码第10页，共42页，星期日，2025年，2月5日3.2.1二进制编码在二进制编码过程中，首先要确定二进制串的长度l，串长l取决于变量的定义域及计算所需的精度。例3.2变量x的定义域为[－2，5]，要求其精度为10-6，则我们需将[－2，5]分成至少7000000个等长小区域，而每个小区域用一个二进制串表示。于是串长至少等于23，这是因为：4194304=2227000000223=8388608这样，计算中的任何一个二进制串（b22b21…b0）都对应[-2，5]中的一个点。第11页，共42页，星期日，2025年，2月5日3.2.2Gray编码Gray编码即是将二进制码通过如下变换进行转换得到的码。设有二进制串（β1β2…βn），对应的Gray串为（γ1γ2…γn），则从二进制码到Gray码的变换为其中?表示模2加法。从一个Gray码到二进制串的变换为例3.3二进制串1101011对应的Gray串为101110。第12页，共42页，星期日，2025年