遗传算法-教案

遗传算法【教学目标】1.了解遗传算法的背景2.理解基本思想3.理解遗传算法的计算过程4.了解特点【教学重点】1.理解基本思想2.理解遗传算法的计算过程【教学难点】1.理解基本思想2.理解遗传算法的计算过程【教学准备】多媒体课件【教学过程】一、创设问题，引入课题【提问】二者有何联系呢？6.11遗传算法简述一、背景依据生物进化论的“适者生存”规律而提出主要生物进化特主要生物进化特征体现（1）进化发生在解的编码（染色体）上。（2）自然选择规律决定优秀的染色体产生超过平均数的后代。遗传算法通过优化目标构造适应函数以达到好的染色体超过平均数的后代。（3）染色体结合时，双亲的遗传基因结合使得子女保持父母的特征。（4）当染色体结合后，随机变异会造成子代与父代不同。二.基本思想1.对求解空间的各个解进行编码。2.在寻优过程中，通过对染色体进行结合（选择、交配和变异），不断产生新的解3.根据适应函数在新解中选择部分染色体继续进行结合，4.直至最终找到最好的解。切削用量：切削深度ap、切削宽度aw、切削速度v、铣刀每齿进给量az，v和az二项作为优化物种v的工作范围是1～250m/min,az的范围是0.015～0.20mmv=150m/min,二进制数表达10010110。az=0.10mm,二进制数表达01100100适合度是反映物种对优化目标的适应能力。基因重组•以生产率为目标的适合度函数F1F1=1/Tw=f1(az,v),(az,v)∈D.式中Tw为单个工序生产时间,D为切削参数范围。•以生产成本为目标的适合度函数•F2=1/Cw=f2(az,v),(az,v)∈D.式中:Cw为单个工序的生产成本。•默认目标函数FM在实际生产中,追求的是低成本下的较高生产率,FM=MRR/T=f(fzv),(fzv)∈D.式中,MRR为金属与除量,单位为mm3/min,反映生产率;T为刀具耐用度理论计算值,反映成本。通过杂交和变异使的种性变得更优异.杂交是将二物种的码链尾部截断,通过相互交换而产生新物种。变异是随机地将原物种码链中的任一位二进制数翻转形成新物种。遗传寻优迭代计算对基因重组后产生的新物种种群再重复进行以优化目标为方向的适合度计算,并进行排队择优。直到选出单个物种达到允许的优化值,或其它收敛条件满足为止。三、特点1.作用在解的某种编码上不是直接作用在解空间上，2.从一个群体解而不是一个解开始搜索，能以较大概率找到全局最优解。3.对搜索空间无任何特殊要求，只利用适应度信息，而传统搜索算法一般要使用导数等其他辅助信息。4.使用随机转移规则而不是确定性的转移规则。5.遗传算法耗费机时太多,需要解决计算精度与效率的问题五、课堂小结内容：1.遗传算法的背景2.基本思想3.以实例介绍了遗传算法的计算过程4.特点六、布置作业原物种杂交后的新物种A=0100110110110011A′=0100110110101100B=1000111001001100B′=1000111001010011原物种变异后的新物种C=1001000110010010C′=1001000111010010若既要使得金属的去除率最大，又要满足机床额定功率和指定的切削范围，试求此有约束最大值优化问题？【教学反思】遗传算法的基本思想来源于进化论，对此学生们的兴趣比较好。但其步骤略繁琐，有些学生没有理解清楚，希望下一阶段的时候能够加强这一个知识点的重复，以加深理解。