[进化算法] 进化算法之标准进化规划(EP)
来源:互联网 发布:西方建筑欣赏知乎 编辑:程序博客网 时间:2024/05/19 05:05
算法描述
EP 是 L. J. Fogel 于20世纪60年代在人工智能研究中提出的一种有限状态机进化模型,在此模型中机器的状态基于分布的规律进行编译。
D. B. Fogel 在90年代拓广了 EP 思想,使它可处理实数空间的优化问题,并在变异运算中引入了正态分布变异算子,这样 EP 就变成了一种优化搜索工具,并在很多实际问题中得到了应用。
EP 模拟生物种群层次上的进化,因此在进化过程中主要强调生物种群行为上的联系,即强调种群层次上的行为进化而建立父、子代间的行为链,意味着好的子代才有资格生存,而无论其父代如何,适于选择子代。
算法流程
初始化(个体表现型X, 群体规模N, 迭代次数G等)随机产生初始群体并计算适应值(含N 个个体) while (not done){for(i = 1; i < N; i++){对Xi进行变异得到Xi' 对Xi进行可行性检查计算xi的适应值 }从2N 个个体中选择N 个个体 } 输出结果
对算法流程的解释
①个体表现型X : X = (x1, x2, ┉┉ ,xn, σ1,σ2, ┉┉ σn),其中x1 ┉┉ xn为个体表现的分量,σ1 ┉┉ σn为个体表现分量的变异参数;
②群体规模N : 为改算法中包含的个体数;
③随机产生初始群体 : 在个体表现型X中对于个体 xi 初始化为再该分量中范围内随机取值,σi 根据 N(0, 1)产生,并计算该个体的适应值;
④对 Xi 进行变异得到 Xi‘ : 可根据如下公式进行变异;
⑤对 Xi’ 进行可行性检查,计算适应值 : 对 Xi‘ 中的各个分量在取值范围内进行判断,若不符合取值范围,处理方法可见下一节,若符合,计算该个体的适应值;
⑥从2N个个体中选择N个个体 : 方法采用随机型q-竞争法,详细请参看下一篇博文;
一些问题的解释
①个体变异不成功: 可采用三种方法:(1)重新变异直至可行; (2)从解空间中随机选取一个可行解代替; (3)选择当代中的最优解代替;
②变异公式: 变异公式可根据实际情况略作修改,如:将 + 改为 - ;
代码示例
示例代码求取 f(x) = x1 * x1 + x2 * x2 在区间(-1000, 1000)的最小值。
示例代码下载地址: http://download.csdn.net/detail/joe_lq/9131119
- [进化算法] 进化算法之标准进化规划(EP)
- 进化算法(EP)
- 进化规划算法
- 进化算法
- 进化算法
- 智能算法之微分进化算法(差分进化算法)
- 遗传算法之花朵进化
- 进化算法(四)微生物进化算法
- 多目标进化算法
- 差分进化算法
- 差分进化算法
- 差分进化算法
- 差分进化算法
- 差分进化算法
- 算法进化历程之“快速排序”
- 算法进化历程之“归并排序”
- 算法进化历程之“水壶问题”
- 算法进化历程之相亲数
- Base64以及Md5的使用
- Handlebars基本使用
- Hadoop的内存配置
- WIFI 探针原理
- 并查集(种类并查集)POJ2492A Bug's Life解题报告
- [进化算法] 进化算法之标准进化规划(EP)
- 第四周-项目3 - 单链表应用(2)拼接
- npm安装模块失败的重装方法
- 可变参数的宏定义
- nfs服务器的安装与配置
- hdu1042N!(大数)
- 面向对象编程
- android圆角按钮
- Android Canvas使用