《现代优化算法》PPT课件

《现代优化算法》PPT课件

ID:39628058

大小:854.60 KB

页数:68页

时间:2019-07-07

《现代优化算法》PPT课件_第1页
《现代优化算法》PPT课件_第2页
《现代优化算法》PPT课件_第3页
《现代优化算法》PPT课件_第4页
《现代优化算法》PPT课件_第5页
资源描述:

《《现代优化算法》PPT课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、课程内容第一部分现代机械设计概述第二部分机械优化设计第三部分创新设计——TRIZ第四部分绿色设计第五部分逆向设计第七章现代优化算法第二节模拟退火算法(SA)第一节遗传算法(GA)20世纪80年代初期,开始研究另一类不同于常规确定性优化算法的所谓启发式算法。这类算法在求解高线性、多约束、多极值的问题中显示了它的有效性。通过揭示和模拟自然现象和过程、并综合利用数学、物理学、生物进化、人工智能、神经科学和统计学等所构造的算法。1.陈立周,《机械优化设计方法》(第三版),冶金工业出版社2.邢文训,《现代优化计算方法》,清华大学出版社第七章练习第七章重点内容1.基本遗传算法的计算步

2、骤。2.基本遗传算法的编码与解码方法。3.基本遗传算法有哪三个遗传算子,都是如何定义的?4.轮盘选择的计算步骤。5.模拟退火算法的新状态产生函数是怎样的?6.模拟退火算法的抽样稳定准则可以写成怎样的表达式?7.模拟退火算法的退温函数有哪两种?第七章结束第一节遗传算法(GA)———从代表可能潜在的解集的一个种群开始,借助选择、复制、交叉,变异等遗传操作,依据“适者生存”原则,指导在不断改进的解区域中进行搜索,最后以末代种群的最优个体作为问题的近似最优解。(GeneticAlgorithm)———源于达尔文的进化论和孟德尔的遗传学说生物遗传进化的过程:生物循环进化的过程图算法

3、基本思想:第一节遗传算法(GA)3.遗传算法有较大的可能性可得到全局最优解.4.遗传算法具有良好的可操作性.遗传算法的处理对象通常不是参数本身,而是对参数进行了编码的个体,目标函数可解释为编码化个体(可行解)的适应值,这使遗传算法不受函数连续性、可导性等约束条件的限制。2.遗传算法只需目标函数的取值信息,无需梯度等其他信息,具有很强的通用性.适合:大规模、高度非线性的不连续多峰函数的优化和无解析表达式的目标函数的优化1.并行特点操作对象是一组可行解,而非单个可行解搜索轨道有多条,而非单条.算法特点:第一节遗传算法(GA)第一节遗传算法(GA)1.1基本遗传算法的构成要素1

4、.2基本遗传算法的形式化定义1.3基本遗传算法的实现1.4遗传算法基本流程1.5基本遗传算法应用举例1.6遗传算法的展望第一节遗传算法(GA)1.1基本遗传算法的构成要素(1)染色体编码方法基本遗传算法使用固定长度的二进制符号串来表示群体中的个体,其等位基因由二值符号集{0,1}组成。初始群体中各个个体的基因值用均匀分布的随机数来生成。如:x;100111001000101101就可表示一个个体,其染色体长度是l=18第一节遗传算法(GA)(2)个体适应度评价基本遗传算法按与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体中的机会多少。为正确计算这个概率,这

5、里要求所有个体的适应度必须为正数或零。这样,根据不同种类的问题,必须预先确定好由目标函数值到个体适应度之间的转换规则,特别是要预先确定好当目标函数值为负数时的处理方法。(3)遗传算子基本遗传算法使用下述三种遗传算子:•选择运算:使用比例选择算子;•交叉运算:使用单点交叉算子;•变异运算:使用基本位变异算子。第一节遗传算法(GA)(4)基本遗传算法的运行参数基本遗传算法有下述4个运行参数需要提前设定:M:群体大小,群体中所含个体的数量,一般取20~100T:遗传运算的终止进化代数,一般取为50~500pc:交叉概率,一般取为0.4~0.99pm:变异概率,一般取为0.000

6、1~0.1[说明]这4个运行参数对遗传算法的求解结果和求解效率都有一定的影响,但目前尚无合理选择它们的理论依据。在遗传算法的实际应用中,往往需要经过多次试算后才能确定出这些参数合理的取值大小或取值范围。太大:可增加优化信息以阻止早熟收敛的发生,但增加计算量,使收敛时间太长太小:不能提供足够的采样点,以致算法性能很差,甚至得不到问题的可行解第一节遗传算法(GA)1.2基本遗传算法的形式化定义基本遗传算法可定义为一个7元组:GA=(M,F,s,c,m,pc,pm)M——群体大小;F——个体适应度评价函数;s——选择操作算子;c——交叉操作算子:m——变异操作算子;pc——交叉

7、概率;pm——变异概率;第一节遗传算法(GA)1.3基本遗传算法的实现遗传算法的寻优过程就是通过染色体的结合,即通过双亲的基因遗传(复制)、变异和交叉等,使解的编码发生变化,从而可根据“适者生存”的规律,最终找出最好的解。遗传算法中的解空间和编码空间的映射关系由设计空间向遗传算法编码空间的映射称为编码;而由编码空间向设计空间的映射称为解码。第一节遗传算法(GA)1.3.1编码与解码(1)编码假设某一参数的取值范围是[umin,umax],用长度为l的二进制编码符号串来表示该参数,则它总共能够产生2l种不同的编码,参数编码时的对

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。