模拟二进制交叉算子(SBX)与多项式变异(PM)
二进制交叉算子(SBX)
多项式变异(PM)
matlab实现
function chromo_offspring = cross_mutation( chromo_parent,f_num,x_num,x_min,x_max,pc,pm,yita1,yita2,fun )
%模拟二进制交叉与多项式变异
[pop,~]=size(chromo_parent);
suoyin=1;
for i=1:pop%%%模拟二进制交叉%初始化子代种群%随机选取两个父代个体parent_1=round(pop*rand(1));if (parent_1<1)parent_1=1;endparent_2=round(pop*rand(1));if (parent_2<1)parent_2=1;end%确定两个父代个体不是同一个while isequal(chromo_parent(parent_1,:),chromo_parent(parent_2,:))parent_2=round(pop*rand(1));if(parent_2<1)parent_2=1;endendchromo_parent_1=chromo_parent(parent_1,:);chromo_parent_2=chromo_parent(parent_2,:);off_1=chromo_parent_1;off_2=chromo_parent_1;if(rand(1)<pc)%进行模拟二进制交叉u1=zeros(1,x_num);gama=zeros(1,x_num);for j=1:x_numu1(j)=rand(1);if u1(j)<0.5gama(j)=(2*u1(j))^(1/(yita1+1));elsegama(j)=(1/(2*(1-u1(j))))^(1/(yita1+1));endoff_1(j)=0.5*((1+gama(j))*chromo_parent_1(j)+(1-gama(j))*chromo_parent_2(j));off_2(j)=0.5*((1-gama(j))*chromo_parent_1(j)+(1+gama(j))*chromo_parent_2(j));%使子代在定义域内if(off_1(j)>x_max(j))off_1(j)=x_max(j);elseif(off_1(j)<x_min(j))off_1(j)=x_min(j);endif(off_2(j)>x_max(j))off_2(j)=x_max(j);elseif(off_2(j)<x_min(j))off_2(j)=x_min(j);endend%计算子代个体的目标函数值off_1(1,(x_num+1):(x_num+f_num))=object_fun(off_1,f_num,x_num,fun);off_2(1,(x_num+1):(x_num+f_num))=object_fun(off_2,f_num,x_num,fun);end%%%多项式变异if(rand(1)<pm)u2=zeros(1,x_num);delta=zeros(1,x_num);for j=1:x_numu2(j)=rand(1);if(u2(j)<0.5)delta(j)=(2*u2(j))^(1/(yita2+1))-1;elsedelta(j)=1-(2*(1-u2(j)))^(1/(yita2+1));endoff_1(j)=off_1(j)+delta(j);%使子代在定义域内if(off_1(j)>x_max(j))off_1(j)=x_max(j);elseif(off_1(j)<x_min(j))off_1(j)=x_min(j);endend%计算子代个体的目标函数值off_1(1,(x_num+1):(x_num+f_num))=object_fun(off_1,f_num,x_num,fun);endif(rand(1)<pm)u2=zeros(1,x_num);delta=zeros(1,x_num);for j=1:x_numu2(j)=rand(1);if(u2(j)<0.5)delta(j)=(2*u2(j))^(1/(yita2+1))-1;elsedelta(j)=1-(2*(1-u2(j)))^(1/(yita2+1));endoff_2(j)=off_2(j)+delta(j);%使子代在定义域内if(off_2(j)>x_max(j))off_2(j)=x_max(j);elseif(off_2(j)<x_min(j))off_2(j)=x_min(j);endend%计算子代个体的目标函数值off_2(1,(x_num+1):(x_num+f_num))=object_fun(off_2,f_num,x_num,fun);endoff(suoyin,:)=off_1;off(suoyin+1,:)=off_2;suoyin=suoyin+2;
end
chromo_offspring=off;
end
python实现SBX
import numpy as np
import random"""SBX 模拟二进制交叉SBX主要是模拟基于二进制串的单点交叉工作原理,将其作用于以实数表示的染色体。两个父代染色体经过交叉操作产生两个子代染色体,使得父代染色体的有关模式信息在子代染色体中得以保留。输入:population 种群规模alfa 交叉概率numRangeList 决策变量上限mu是一个(0,1)的随机数
"""def cross(population, alfa, numRangeList, mu=1):N = population.shape[0]V = population.shape[1]populationList = range(N)for _ in range(N):r = random.random()if r < alfa:p1, p2 = random.sample(populationList, 2)beta = np.array([0] * V)randList = np.random.random(V)for j in range(V):if randList.any() <= 0.5:beta[j] = (2.0 * randList[j]) ** (1.0 / (mu + 1))else:beta[j] = (1.0 / (2.0 * (1 - randList[j]))) ** (1.0 / (mu + 1))# 随机选取两个个体old_p1 = population[p1,]old_p2 = population[p2,]# 交叉new_p1 = 0.5 * ((1 + beta) * old_p1 + (1 - beta) * old_p2)new_p2 = 0.5 * ((1 - beta) * old_p1 + (1 + beta) * old_p2)# 上下界判断new_p1 = np.max(np.vstack((new_p1, np.array([0] * V))), 0)new_p1 = np.min(np.vstack((new_p1, numRangeList)), 0)new_p2 = np.max(np.vstack((new_p2, np.array([0] * V))), 0)new_p2 = np.min(np.vstack((new_p2, numRangeList)), 0)# 将交叉后的个体返回给种群population[p1,] = new_p1population[p2,] = new_p2if __name__ == '__main__':random.seed(0)np.random.seed(0)xN = 10yN = 5alfa = 0.9population = np.random.rand(xN * yN).reshape(xN, yN) * 1.0print('交叉前:')print(population)# 交叉cross(population, alfa, np.array([1] * 5))print('交叉后:')print(population)
运行结果
参考:
多目标优化算法(一)NSGA-Ⅱ(NSGA2)
SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子
SBX的python实现
模拟二进制交叉算子(SBX)与多项式变异(PM)相关推荐
- 【遗传算法】模拟二进制交叉SBX与多项式变异
0 前言 Gitee 代码地址: https://gitee.com/futurelqh/GA 模拟二进制交叉:Simulated binary crossover Introduction SBX ...
- 模拟二进制交叉算子详解
一起来学演化计算-SBX(Simulated binary crossover)模拟二进制交叉算子详解 觉得有用的话,欢迎一起讨论相互学习~ 参考文献 衷心感谢武汉科技大学张凯教授的精心培育和指导 以 ...
- nsga 的java实现_Java – Scala遗传算法(GA)库中的模拟二进制交叉(SBX)交叉运算符
我在一个很小的研究团队工作,在 Scala中创建/改编遗传算法库,用于使用Scientific Worklow System进行分布式计算,在我们的例子中,我们使用开源OpenMole软件( http ...
- 多目标进化算法--多项式变异(PM)
参考链接: http://www.bubuko.com/infodetail-1933372.html
- 遗传算法二进制编码c语言,遗传算法,实数编码的交叉操作之SBX(模拟二进制交叉)...
本文主要介绍遗传算法(实数编码)的交叉操作中的SBX,模拟二进制交叉. 首先,给出个人用python2.7实现的代码,具体模块已上传到: https://github.com/guojun007/sb ...
- SBX(模拟二进制交叉)的代码(python)实现
本文基于python3实现的SBX(模拟二进制交叉),关于SBX的详细介绍,可以参考这篇文章: 模拟二进制交叉算子详解 代码仅供参考 觉得这篇文章对您有用的话请点个赞呀!谢谢! #!/usr/bin/ ...
- 模拟二进制交叉(SBX)
原文 模拟二进制交叉(SBX,simulated binary crossover),遗传算法采用浮点数编码的时候可以使用.
- SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子
一起来学演化计算-SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子 觉得有用的话,欢迎一起讨论相互学习 ...
- SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子...
一起来学演化计算-SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子 觉得有用的话,欢迎一起讨论相互学习 ...
最新文章
- how mang libraries do we have: 139
- Android之 Fragment
- Apache Camel 3只有2个月的路程
- [css] 你知道什么是面向对象的css(oocss)吗?有没有实践过?
- 拓扑排序两种实现方式
- PowerDesigner 把Comment写到name中 和把name写到Comment中 pd7以后版本可用
- GitBucket管理员添加人员
- 【算法学习】堆排序(Heap Sorting)
- Java基础学习总结(146)——开发人员日志实践规范
- Activemq下载与安装
- 【算法笔记】Diadem Metric
- ubuntu终端快速清空回收站
- SysFader:IEXPLORE.EXE应用程序错误
- vue-composition-api.mjs:1:7: ERROR: No matching export in “node_modules/vue/dist/vue.runtime.esm-bun
- Weex Android SDK源码分析
- _SaveLog.dpr立即备份晓亮的电脑操作记录热键(快捷键) F11由于原来的 AutoIt 杀毒软件总是误报...
- 实验吧Web-难-猫抓老鼠
- 6 电脑键盘控制机器人
- hashmap头插法和尾插法区别
- 数据标注案例分析-足球比赛时间轴打点标注项目
热门文章
- python爬取b站视频封面_学习笔记(4)[Python爬虫]:爬取B站搜索界面的所有视频的封面...
- Win32_Processor CPU 参数说明
- AD16常用命令高效编辑命令
- 让计算机网络与作文教学,“基于计算机和网络环境下的写作教学研究”课题组 2015-2016学年度上学期研究计划...
- 基于Java+springboot+mvc+vue员工管理系统
- 使用BenchMarkSQL测试openGauss
- AndroidStudio软件用法详细说明
- Gym 101350E Competitive Seagulls
- xls与csv文件区别
- 用eclipse读spark源码