用单亲遗传算法解决影片递送问题

用单亲遗传算法解决影片递送问题

ID:36718556

大小:1.47 MB

页数:46页

时间:2019-05-14

用单亲遗传算法解决影片递送问题_第1页
用单亲遗传算法解决影片递送问题_第2页
用单亲遗传算法解决影片递送问题_第3页
用单亲遗传算法解决影片递送问题_第4页
用单亲遗传算法解决影片递送问题_第5页
资源描述:

《用单亲遗传算法解决影片递送问题》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、用单亲遗传算法解决影片递送问题摘要姓名:王珍和专业:应用数学导师:行飞遗传算法(简称GA)是基于生物进化原理的普适性全局优化算法,是解决NP难问题的一种行之有效的方法。但是,序号编码的遗传算法不能在任意两条染色体的任意位置进行交叉,必须使用PMX,CX和OX等特殊的交叉算子,这些算子实施起来都很麻烦且效率不高。针对这一问题,采用单亲遗传算法,取消交又操作,强化变异作用。这样既简化了遗传操作,又克服了早熟现象。较成功的解决了影片递送问题,文中的算例表明,该算法是实际有效的。关键词:遗传算法;组合优化;单亲遗传算法;FD

2、P问题SOLVINGFILMDELIVERPROBLEMWITHAPARTHO一GENETICALGORITHMSABSTRACTGeneticAlgorithms(GA)aregeneralpurposeglobaloptimizationalgorithmsbasedonnaturalevolutionprinciple.But,geneticalgorithmsusingordinalstringsmustusespecialcrossoveroperatorssuchasPNX,OXandCX,instead

3、ofgeneralcrossoveroperatiors.ConsideringtheabovedeficiencyofGAusingordinalstrings,thispaperproposesamethod(PGA)thatusesordinalstringsandrepealscrossoveroperatorswhileinstroducessomeparticulargeneticoperatorssuchasgeneexchangeoperatorwhichhavethesamefunctionascr

4、ossoveroperators.ThereforegeneticoperationofPGAissimpleanditsinitialpopulationneednotbevariedandthereisnoimmatureconvergenceinPGA.CalcultingexamplesshowtheefficiencyofPGA.KEYWORD:geneticalgorithms,combinationoptimum,Filmdeliverproblem,exchangeoperator引言影片递送问题(简

5、称FDP)是组合优化的一个新问题,是由Cheng和Gen首先提出的‘”。描述如下:一盘影片拷贝要在n个影院放映,每个影院放映次数已定d;(i=1,2,⋯,n).问题是要为影片递送员找一个巡回,从主影院1开始,将影片送到第1家影院d;次(i=1,2,⋯,n),最后回到主影院1,并极小化总的路程。当所有的d;为1时,FDP变化为经典的TSP.可见,FDP是TSP的扩展,并可推广到一大类路径与排序问题(机器顺序优化问题、资源分配问题、车辆路线问题和二次指派问题等)。己经提出T两种求解FDP的遗传算法,分别由Cheng和Ge

6、nE23,Zhang和Zheng"'提出。他们都在交叉操作方面作了很大的工作,但对收敛结果影响不大,相反地变异起了关键的作用,且变异概率对遗传算法的性能有明显的影响“,。本文在对GA研究的基础之上,针对问题的特点,采用了单亲遗传算法,加快了遗传操作。第一章、遗传算法的数学机理遗传算法是一种随机优化算法,由美国密执根大学的Holland教授发展起来的,是一种自适应启发式群体型、概率性迭代式算法。他将适者生存这一基本的达尔文进化理论引入串结构,并在串之间进行既有组织又随机的信息交换,伴随着算法的进行,优良的品质被逐渐保留

7、并加以组合,从而不断产生出更好的个体,而坏的特性被淘汰。新代个体中不仅包含着上代的大量信息,又不断地在总体特性上胜过上代,使整个群体向前进化发展.由于遗传算法仅需要知道目标函数的信息,而不需要其连续、可微等要求,因而具有广泛的实用性,同时他又是一种采用启发性知识的智能搜索算法,所以往往能在搜索空间高度复杂的问题上取得比以往算法(如梯度法)更好的效果151I.遗传算法的运行过程及其特征与传统的优化方法相比,GA使用参数的编码集,而不是参数本身进行操作,是在种群中而不是在单点上寻优,使用随机转化规则而不是确定性规则进行工

8、作。其基本步骤如下:stepl:选择问题的一个编码:在搜索空间中随机产生有N个染色体的初始群体pop(1),t:=1;step2:对群体pop(t)中的每一个染色体pop。(t)计算它的适应函数值f二fitness(pop,(t));step3:若满足停止规则,则算法停止;否则计算各个体的选择概率p,一弄,,=了,;⋯,,Y-f,并以此概率分布

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。