遗传算法matlab ppt

这是遗传算法matlab ppt，包括了遗传算法概述，标准遗传算法，遗传算法简单举例：函数极值，遗传算法求解TSP问题，遗传算法优化神经网络，遗传算法的实现等内容，欢迎点击下载。

遗传算法matlab ppt是由红软PPT免费下载网推荐的一款课件PPT类型的PowerPoint.

Contents Contents of Section 1 1 遗传算法概述 1 遗传算法概述 1.2 遗传算法的特点 四大优点： 良好的并行性（操作对象是一组可行解；搜索轨道有多条） 强大的通用性（只需利用目标的取值信息，无需梯度等高价值信息） 良好的全局优化性和鲁棒性 良好的可操作性 两个缺点： 未成熟收敛问题 收敛速度较慢，算法实时性欠佳 1 遗传算法概述 1.3 遗传算法的发展历史 1 遗传算法概述 1 遗传算法概述 1 遗传算法概述 1.4 遗传算法的应用领域 Contents of Section 2 2 标准遗传算法 2.1 遗传算法的生物学基础 2 标准遗传算法 2.1 遗传算法的生物学基础 2 标准遗传算法 2.2 标准遗传算法的基本流程 2 标准遗传算法 2.3 遗传算法的若干概念 个体(Individual) 称 为个体空间，个体空间的元素 称为个体，它是染色体带有特征的实体。分量 称为基因，正整数 称为个体的基因长度。 2 标准遗传算法 2.3 遗传算法的若干概念 2 标准遗传算法 解码（Decoding） 解码是将遗传算法所搜索到的最优个体的染色体转换成待求解问题的实际最优解的过程，即编码的逆过程。 2 标准遗传算法 选择操作（Selection） 根据各个个体的适应度，按照一定的规则，从第t代群体P(t)中选择出一些优良的个体遗传到下一代群体P(t+1)中。一般地，选择操作通过选择算子（Selection Operator）进行。 2 标准遗传算法 2.4 遗传算法的应用步骤 2 标准遗传算法 2 标准遗传算法 （5）确定个体适应度的量化评价方法，就是确定出由目标函数值到个体适应度的转换规则。标准遗传算法的适应度函数常用一下三种： 2 标准遗传算法 2 标准遗传算法 （6）确定各遗传具体操作方法。 2 标准遗传算法 2 标准遗传算法 ② 交叉率及交叉操作 2 标准遗传算法 ③变异率及变异操作 变异本身是一种局部随机搜索，使遗传算法具有局部的随机搜索能力；同时使得遗传算法保持种群的多样性，以防止出现非成熟收敛。 一般地，随机产生的概率大于变异率就会触发变异操作。变异率一般可取0.001~0.1。变异率不能取得太大，如果大于0.5，遗传算法就退化为随机搜索，而遗传算法的一些重要的数学特性和搜索能力也不复存在了。 常用的变异操作方法有：实值变异法和二进制变异法等。 2 标准遗传算法 （7）确定遗传算法的有关运行参数，包括群体规模(Population Size)、迭代次数（一般取为100~500）、选择算子、交叉率、变异率等等。 2 标准遗传算法 2.6 欺骗问题和未成熟收敛问题 2 标准遗传算法 （1）未成熟收敛现象 未成熟收敛现象是遗传算法中的特有现象，且十分常见。它是指，当遗传算法还没找到全局最优解或满意解时，群体中不能再产生性能超过父代的后代，群体中的各个个体非常相似。未成熟收敛的重要特征是群体中个体结构的多样性急剧减少。 2 标准遗传算法 遗传算法具体步骤 程序流程图 分析 原问题可转化为在区间［0， 31］中搜索能使y取最大值的点a的问题。那么，［0， 31］ 中的点x就是个体， 函数值f(x)恰好就可以作为x的适应度，区间［0， 31］就是一个(解)空间 。这样， 只要能给出个体x的适当染色体编码， 该问题就可以用遗传算法来解决。 再计算种群S1中各个体的选择概率。 课堂练习 求一元函数f(x)的最大值： 要求求解精度到6位小数 考虑问题：能否用遗传算法解决以下问题 1、 2、 3、 Contents of Section 4 4 遗传算法求解巡回旅行商问题 4.1 巡回旅行商问题 4 遗传算法求解巡回旅行商问题 4 遗传算法求解巡回旅行商问题 4 遗传算法求解巡回旅行商问题 4 遗传算法求解巡回旅行商问题 4.2 基本操作 4 遗传算法求解巡回旅行商问题 （2）适应度函数：在TSP问题中，用路径的总长度作为适应度函数来衡量求解结果是否最优，路径越短对应的个体越优，其适应度值应越大。 4 遗传算法求解巡回旅行商问题 本例中采用有序交叉执行交叉操作。有序交叉能够有效地继承双亲的部分基因成分，达到了进化的遗传功能，使该遗传算法并不盲目搜索，二是趋向于使群体具有更多的优良基因。交叉后，考察父个体与子个体的适应度来决定是否更新种群。具体操作过程如下（以0~9编码为例）： 4 遗传算法求解巡回旅行商问题 变异操作中，若变异后子代的适应度值更加优异，则保留子代染色体，否则仍保留父代染色体。本例中，采用倒置变异法。例如：假设当前个体为“5678412390”，如果当前随机值p∈[0，1]≥pmutation，则随机选择来自同一个体的两个点（设为“8”和“2” ），执行变异操作，即倒置该两点的中间部分。产生的新个体为“5672148390”。 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4 遗传算法求解巡回旅行商问题 4.3 计算仿真结果 4.3 计算仿真结果 GA优化NN的权重（结构确定） GA优化NN的结构：神经元数和连接状况 定义适应度 直接采用方差和. 评估过程：对每个解进行样本测试（前向计算），计算其实际输出和期望输出的误差（适应度）。如果有一个个体的适应度满足精度要求，则结束 BP算法和GA算法结合 GA擅长全局优化搜索，BP擅长局部优化搜索；两者结合，可提高收敛速度。克服GA过早收敛的问题 BP算法和GA算法结合：方法一 •先用GA找出全局最优解的大概位置，然后采用BP算法微调得到全局最优解。 BP算法和GA算法结合：方法二 交替使用BP和GA 第一步:利用GA找出一个最优解； 第二步：利用BP对该最优解进行微调； 第三步：如果发现微调后的最优解不够理想，则返回第一步；否则停止。 算法： 1.随机产生一个具有N个个体的初始群体； 2.计算每个个体的适应值，如果有一个个体的适应度满足精度要求，则结束，否则进行下一步； 3.按适应度比例挑选出父本群体； 4.对父本群体进行杂交、变异操作得到新的群体； 5.找出当前群体中适应度最大的个体best； 6.对best用BP进行一到二次学习，得best’； 7.用best’替代best，转向2； 编码 NN的连接拓扑可以用一个连接矩阵表示 矩阵中的每个元素若为0，则表示相应的神经元之间无连接；若为1，表示有连接。 按行排列形成一个染色体 6 遗传算法的实现 Matlab的GA工具箱 Matlab的GA函数调用 根据原理编写属于自己的GA 6 遗传算法的实现： Matlab的GA工具箱 6 遗传算法的实现 Matlab的GA函数调用 第一步：编写适应度函数； 第二步：对GA参数进行设置； options = gaoptimset(‘参数名’， 参数值， …， ‘参数名’， 参数值) 例:options = gaoptimset('PopulationSize'， 100) 第三步：调用GA函数； [x fval] = ga(@fitnessfun， nvars) [x fval exitflag output population scores] = ga(@fitnessfcn， nvars) [x fval] = ga(@fitnessfun， nvars， []，[]，[]，[]，[]，[]，[]，options)； 6 遗传算法的实现 Matlab的GA函数调用 [x fval] = ga(@fitnessfun， nvars， []，[]，[]，[]，[]，[]，[]， options)； fitnessfcn — Fitness function nvars — Number of variables for the problem Aineq — Matrix for inequality constraints Bineq — Vector for inequality constraints Aeq — Matrix for equality constraints Beq — Vector for equality constraints LB — Lower bound on x UB — Upper bound on x nonlcon — Nonlinear constraint Function options — Options structure 6 遗传算法的实现 根据原理编写属于自己的GA 参考资源 [1]王小平，曹立明.遗传算法——理论、应用与软件实现.西安交通大学出版社，2002.1 [2]朱福喜，朱三元，伍春香.人工智能基础教程.清华大学出版社，2006.3 [3]刘金琨.机器人控制系统的设计与MATLAB仿真.清华大学出版社，2008.6 [4] 雷英杰，张善文，李旭武.MATLAB遗传算法工具箱及应用.西安电子科技大学出版社，2005.4 [5]求是科技.MATLAB7.0从入门到精通.人民邮电出版社，2006.3 [6]http://en.wikipedia.org/wiki/Genetic_algorithm [7]http://en.wikipedia.org/wiki/Traveling_salesman_problem 作业 1、利用遗传算法求函数的最小值： 2、利用遗传算法求BP网络的权重和阈值； 3、熟悉Matlab的GA工具箱和函数；rMm红软基地