人工智能遗传算法

1、人工智能遗传算法第1页，共12页，2022年，5月20日，11点2分，星期日其中x为0, 31间的整数 编码：采用二进制形式编码由于x的定义域是0, 31间的整数，刚好可以用5位二进制数表示，因此可以用5位二进制数表示该问题的解，即染色体。如00000表示x0，10101表示x21，11111表示x31等 第2页，共12页，2022年，5月20日，11点2分，星期日适应函数:直接使用函数f(x)作为适应函数。假设群体的规模N4，交配概率pc100，变异概率pm1。设随机生成的初始群体为： 01101，11000，01000，10011选择方法：“确定性”法第3页，共12页，2022年，5月20

2、日，11点2分，星期日第0代情况表 序号群体适应值选择概率（）期望次数选中次数10110116914.440.58121100057649.231.97230100064 5.470.22041001136130.851.231第4页，共12页，2022年，5月20日，11点2分，星期日第0代种群的交配情况 序号种群交配对像交配位子代适应值1011012401100144211000141100162531100042110117294100113210000256第5页，共12页，2022年，5月20日，11点2分，星期日序号群体适应值选择概率（）期望次数选中次数101100144 8.21

3、0.33021100162535.621.42131101172941.561.66241000025614.600.581第1代情况表 第6页，共12页，2022年，5月20日，11点2分，星期日序号种群交配对像交配位子代适应值1110012311011729211011131100162531101141100002564100003111011729第1代种群的交配情况 第7页，共12页，2022年，5月20日，11点2分，星期日序号种群交配对像交配位子代适应值1110112311001625211101131111196131000042100012894110113211010676

4、第2代种群的交配情况 第8页，共12页，2022年，5月20日，11点2分，星期日最大适应值、平均适应值进化曲线 第9页，共12页，2022年，5月20日，11点2分，星期日遗传算法的特点 第10页，共12页，2022年，5月20日，11点2分，星期日（1）遗传算法是一个随机搜索算法，适用于数值求解具有多参数、多变量、多目标等复杂的最优化问题。（2）遗传算法对待求解问题的指标函数没有什么特殊的要求，比如不要求诸如连续性、导数存在、单峰值假设等。甚至于不需要显式的写出指标函数。（3）在经过编码以后，遗传算法几乎不需要任何与问题有关的知识，唯一需要的信息是适应值的计算。也不需要使用者对问题有很深入的了解和求解技巧，通过选择、交配和变异等简单的操作求解复杂的问题，是一个比较通用的优化算法。（4）遗传算法具有天然的并行性，适用于并行求解第11页，共12页，2022年，5月20日，11点2分，星期日收敛性定理： 如果在代的进化过程中，遗传算法每次保留到目前为止的最好解，并且算法以交配和变异为其随机化操作，