经典课件-某某公司基于实数编码的遗传算法在饲料配方设计中的应用.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《经典课件-某某公司基于实数编码的遗传算法在饲料配方设计中的应用.pptx》由用户(德鲁克管理课堂)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经典 课件 某某 公司 基于 实数 编码 遗传 算法 饲料 配方 设计 中的 应用
- 资源描述:
-
1、基于实数编码的遗传算法在饲料配方基于实数编码的遗传算法在饲料配方设计中的应用设计中的应用一、研究意义一、研究意义1、引入新的优化算法、引入新的优化算法遗传算法,解决现有饲遗传算法,解决现有饲料配方设计中由纯数学思维算法本身局限性所产料配方设计中由纯数学思维算法本身局限性所产生的不足。生的不足。o 如:线性规划模型中,当约束条件之间或约束条如:线性规划模型中,当约束条件之间或约束条件与目标函数间存在矛盾时,系统无可行解;件与目标函数间存在矛盾时,系统无可行解;o 数学上给出的满足约束条件和目标函数的优化配数学上给出的满足约束条件和目标函数的优化配方,从营养学的角度看有时又是不可行的。方,从营养学
2、的角度看有时又是不可行的。一、研究意义一、研究意义o 2、解决标准遗传算法在计算饲料配方时易产、解决标准遗传算法在计算饲料配方时易产生早熟现象以及局部寻优能力差等问题生早熟现象以及局部寻优能力差等问题。o 如:用标准遗传算法在计算饲料配方时易产生如:用标准遗传算法在计算饲料配方时易产生早熟现象以及局部寻优能力差等问题,特别是早熟现象以及局部寻优能力差等问题,特别是在原料多,约束条件多的情况下,这种缺点表在原料多,约束条件多的情况下,这种缺点表现的更为明显。现的更为明显。二、遗传算法二、遗传算法(Genetic Algorithm,GA)遗传算法(遗传算法(Genetic Algorithm)是
3、一类借)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。传机制)演化而来的随机化搜索方法。1975年年遗传算法遗传算法美国美国J.Holland教教授授具有内在的隐并行性和更好的全局具有内在的隐并行性和更好的全局寻优能力;寻优能力;直接对结构对象进行操作,不存在求直接对结构对象进行操作,不存在求导和函数连续性的限定;导和函数连续性的限定;采用概率化的寻优方法,能自动获取采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。整搜索方向,不需要确定的规则
4、。1、遗传算法的组成遗传算法可定义为一个遗传算法可定义为一个8员组:员组:SGA=(C,E,P0,M,T)C 个体的编码方法;个体的编码方法;E 个体适应度评价函数;个体适应度评价函数;P0 初始群体;初始群体;M 群体大小;群体大小;选择算子;选择算子;交叉算子;交叉算子;变异算子;变异算子;T 遗传运算终止条件。遗传运算终止条件。2、遗传算法思想(1)初始化群体;初始化群体;(2)计算群体上每个个体的适应计算群体上每个个体的适应度值;度值;(3)按由个体适应度值所决定的按由个体适应度值所决定的某个规则选择将进入下一代某个规则选择将进入下一代的个体;的个体;(4)按概率按概率Pc进行交叉操作
5、;进行交叉操作;(5)按概率按概率Pm进行突变操作;进行突变操作;(6)没有满足某种停止条件,则没有满足某种停止条件,则转第转第(2)步,否则进入步,否则进入(7)。(7)输出种群中适应度值最优的输出种群中适应度值最优的染色体作为问题的满意解或染色体作为问题的满意解或最优解。最优解。3、遗传算法的优点o(1)遗传对所解的优化问题没有太多的数学)遗传对所解的优化问题没有太多的数学要求,遗传算法可以处理任意形式的目标函数要求,遗传算法可以处理任意形式的目标函数和约束,无论是线性的还是非线性的,离散的和约束,无论是线性的还是非线性的,离散的还是连续,甚至混合的搜索空间。还是连续,甚至混合的搜索空间。
6、o(2)进化算子的各态历经性使得遗传算法能)进化算子的各态历经性使得遗传算法能够非常有效的进行概率意义下的全局搜索,而够非常有效的进行概率意义下的全局搜索,而传统的优化方法是通过邻近点比较而转移到较传统的优化方法是通过邻近点比较而转移到较好的点,从而达到收敛的局部搜索过程。好的点,从而达到收敛的局部搜索过程。o(3)遗传算法对于各种特殊问题可以提供极)遗传算法对于各种特殊问题可以提供极大的灵活性来混合构造领域独立的启发式,从大的灵活性来混合构造领域独立的启发式,从而保证算法的有效性。而保证算法的有效性。4、遗传算法性能分析指标(1)在线性性能评估)在线性性能评估在线性能表示为:在线性能表示为:
7、TteetfTsX1)(1)(其中:其中:T T 是进化代数;是进化代数;是第是第t t代的平均适应度函数;代的平均适应度函数;表示到表示到T T代为止所有适应度函数值的平均性能。代为止所有适应度函数值的平均性能。)(tfe在线指标用于说明算法的在线性能。在线指标用于说明算法的在线性能。)(sXe4、遗传算法性能分析指标(2)离线性性能评估)离线性性能评估离线性能表示为:离线性能表示为:TtetfTsXe1*)(1)(其中其中)(*tfe是第是第t代最好的个体的适应度函数值;代最好的个体的适应度函数值;)(*sXe表示至第表示至第T代每次最好的适应度函数值的平均。代每次最好的适应度函数值的平均
8、。离线指标用于说明算法的收敛性。离线指标用于说明算法的收敛性。三、遗传算法在饲料配方设计中的应用 算法设计流程图算法设计流程图饲料配方问题描述确定决策变量、约束条件建立线性规划模型确定适应度转换规则设计遗传因子个体表型X编码方法解码方法个体基因型X确定运行参数适应度函数F(x)遗传算法算法调试运行1、标准遗传算法在饲料配方设计中的应用o 1.1 编码策略编码策略 在遗传算法的运行过程中,它不对所求解问题的实在遗传算法的运行过程中,它不对所求解问题的实际决策变量直接进行操作,而是对表示可行解的个体编际决策变量直接进行操作,而是对表示可行解的个体编码施加选择、交叉、变异等遗传算法,通过这种遗传操码
9、施加选择、交叉、变异等遗传算法,通过这种遗传操作来达到优化的目的,这是遗传算法的特点之一。遗传作来达到优化的目的,这是遗传算法的特点之一。遗传算法通过这种对个体编码的操作,不断搜索出适应度较算法通过这种对个体编码的操作,不断搜索出适应度较高的个体,并在群体中逐渐增加其数量,最终寻求出问高的个体,并在群体中逐渐增加其数量,最终寻求出问题的最优解或近似最优解。题的最优解或近似最优解。在遗传算法中如何描述问题在遗传算法中如何描述问题的可行解,即把一个问题的可行解从其解空间转换到遗的可行解,即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法就称为编码传算法所能处理的搜索空间的转换
10、方法就称为编码。1.1 编码策略编码策略二进制编码二进制编码浮点数编码浮点数编码符号编码符号编码存在缺点:存在缺点:1、海明悬崖;、海明悬崖;2、求解的精度确定后算法缺乏微、求解的精度确定后算法缺乏微调能力;调能力;3、算法精度要求高或二进制编码、算法精度要求高或二进制编码字串长时,算法搜索效率较低。字串长时,算法搜索效率较低。也称实数编码,是指个体的每个也称实数编码,是指个体的每个基因值用某一范围内的一个浮点基因值用某一范围内的一个浮点数来表示,个体的编码长度等于数来表示,个体的编码长度等于其决策变量的个数。其决策变量的个数。根据饲料配方设计的要求及实数根据饲料配方设计的要求及实数编码的特点
11、,在本次饲料配方中编码的特点,在本次饲料配方中的标准遗传算法采用实数编码。的标准遗传算法采用实数编码。1.2 初始种群的生成根据饲料原料及其营养成分表中各种原料的用量根据饲料原料及其营养成分表中各种原料的用量上限、用量下限、等量使用的要求,在最优解所上限、用量下限、等量使用的要求,在最优解所占问题空间中的分布范围内使用随机生成初始种占问题空间中的分布范围内使用随机生成初始种群。群。具体实现过程:具体实现过程:1.2 初始种群的生成o(1)生成随机种子;)生成随机种子;o(2)设定初始种群的数量;)设定初始种群的数量;o(3)利用约束条件对生成的每一个随机数的)利用约束条件对生成的每一个随机数的
12、上下限进行控制,保证生成的随机数在约束条上下限进行控制,保证生成的随机数在约束条件围内;件围内;o(4)测试生成的种群中各原料是否能满足营)测试生成的种群中各原料是否能满足营养需求,若不能满足则返回(养需求,若不能满足则返回(3););o(5)初始种群的数量是否达到,若达到则跳)初始种群的数量是否达到,若达到则跳出,否则返回(出,否则返回(3)。)。1.3 适应度函数o 度量个体适应度的函数称为适应度函数度量个体适应度的函数称为适应度函数。o 饲料配方设计的要求是在保证满足饲养标准要饲料配方设计的要求是在保证满足饲养标准要求的条件下降低饲料配方的成本。因此,本研求的条件下降低饲料配方的成本。因
13、此,本研究中遗传算法的个体适应度函数的设计采用饲究中遗传算法的个体适应度函数的设计采用饲料成本极小化方法。适应度函数为:料成本极小化方法。适应度函数为:niiixcZ1minci代表第代表第i种的饲料原料的市场价格;种的饲料原料的市场价格;xi代表第代表第i种饲料原料在配方中的含量;种饲料原料在配方中的含量;Zmin为饲料配方的成本;为饲料配方的成本;n为饲料原料的种类数。为饲料原料的种类数。适应度较高的个体遗传到下一代的概率较大,适应度较适应度较高的个体遗传到下一代的概率较大,适应度较低的个体遗传到下一代的概率相对较小。低的个体遗传到下一代的概率相对较小。1.4 选择操作o 选择操作也叫复制
14、操作,从群体中按个体的适选择操作也叫复制操作,从群体中按个体的适应度函数值选择出较适应环境的个体。应度函数值选择出较适应环境的个体。标准遗标准遗传算法中采用轮盘赌模型。传算法中采用轮盘赌模型。o 选择操作的主要目的是提高全局的收敛性和计选择操作的主要目的是提高全局的收敛性和计算效率。算效率。饲料配方设计中的标准遗传算法的选择操作的实现:饲料配方设计中的标准遗传算法的选择操作的实现:1.4 选择操作 以单个个体适应度值倒数占种群中共以单个个体适应度值倒数占种群中共np个个体的个个体的适应度值倒数之和的比率作为选择概率。即:适应度值倒数之和的比率作为选择概率。即:单个个体适应度值倒数:单个个体适应
展开阅读全文