适应性精英种群策略的遗传算法用于多模函数优化省名师优质课赛课获奖课件市赛课一等奖课件.ppt

,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,本资料仅供参考，不能作为科学依据。谢谢,Applied soft computing 11()2034,Genetic algorithm with adaptive elitist-population strategies for multimodal function optimization,适应性精英种群策略遗传算法用于多模函数优化,Yong Liang,Kwong-Sak Leung,Keywords:,Genetic algorithm,Multimodal optimization,Niching strategy,第1页,摘要,引入了一个新技术,适应性精英种群搜索方法。此方法适应性地调整种群大小，依据个体不相同性和新型依赖方向精英遗传算子，提出了一个适应性精英种群遗传算法（AEGA）,第2页,1.介绍,现实中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经过搜索保持了种群多样性，允许GA识别多模函数多个最优解，但并没有说明算法对于效率改进。多模GA效率必须平衡两方面矛盾：,第3页,1.介绍,精英搜索vs.多样性保持：精英策略在GA中被广泛采取，用于改进全局最优搜索能力，但精英策略关注一些“最优”个体，而降低了种群多样性，而GA又需要保持种群多样性来发觉多个最优解。怎样平衡精英搜索和多样性保持对于构建有效率多模GA是很主要。,算法有效性vs.冗余种群：许多 GA使用大规模种群来提升取得全局和多个最优解几率。但大种群将显著增加算法计算复杂性，并产生很多多出个体，降低了GA效率。,第4页,第5页,2.,新适应性精英种群搜索技术,（1）个体相对方向,对于高维多模函数最大化问题，定义两个个体Pi和Pj相对上升方向，为了方便定义，经过交叉产生后代个体Ci和Cj作为参考点，经过比较父代和子代适应度值，定义两个个体相对方向。个体Pi相对于Pj,方向定义为：,假如,f(Ci)-f(Pi)0，Pi相对上升方向是移向Pj；,假如f(Ci)-f(Pi)=0，Pi相对上升方向是flat；,假如f(Ci)-f(Pi)=ds，则两个个体是不相同并处于不一样峰上；,假如两个个体相对方向是face to face，one-way或flat 而且df(Pi)，将Ci替换Pi进入下一代；假如f(Ci)=f(Pi)，则Pi进入下一代。,若Pi和Ci是不相同：Pi直接进入下一代；将Ci与其距离阈值范围内全部个体Pj进行比较（d(Ci,Pj)ds），假如不存在这么Pj或f(Pj)f(Ci)，则Ci是未开发或最少处于一个不一样峰，Ci进入下一代；假如f(Ci)1）倍，则删除适应度低个体。,第15页,3.,基于适应性精英种群遗传算法,（c）基于适应性精英种策略演化算法,Step 1.初始化种群。,Step 2.评价个体适应度。,Step 3.执行精英交叉和变异策略，并评价种群适应度。,Step 4.依据种群控制条件控制种群规模。,Step 5.重复step3step4直到抵达给定最大代数。,第16页,4.试验,第17页,比较算法,Deterministic Crowding,Probabilistic Crowding,Sequential Fitness Sharing,Clearing Procedure,Clustering,Based Niching(CBN),Clonal Selection,Species Conserving Genetic Algorithm(SCGA),第18页,试验,Comparing AEGA with other algorithms for finding all multiple optima of the problems,in the final population of AEGA,the 100 individuals decrease to 5 individuals corresponding to the 5 multiple optima,while,on the contrary,the final population of other seven algorithms still have 100 individuals,The change processes of the AEGAs population sizes,Comparing AEGA with other algorithms for finding the multiple high fitness optima of the problems,The effect of the distance parameter,第19页,第20页,结论,本文依据个体不相同性和新型依赖方向精英遗传算子，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（,AEGA,），使得多模优化问题中最大多样性和最小种群规模得以保持。,第21页,Thank You!,Add your company slogan,第22页,