知识发现数据挖掘第十二部分.ppt

知识发现（数据挖掘)第十二章 ;内 容;13.1 概 述;发展历史;发展历史;发展历史;发展历史;遗传算法与自然进化的比较;新达尔文进化理论的主要论点;进化计算的三大主流板块;13.2 进化系统理论的形式模型; 进化系统理论的形式模型;进化系统理论的形式模型;进化系统理论的形式模型;进化系统理论的形式模型; 门德尔遗传学; 门德尔遗传学; 门德尔遗传学; 门德尔遗传学; 门德尔遗传学;13.3 达尔文进化算法;13.3 达尔文进化算法; 遗传算法思想来源于生物进化过程, 它是基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法(以字符串表示状态空间)。遗传算法用概率搜索过程在该状态空间中搜索，产生新的样本。;遗传算法的特点;遗传算法; 遗传算法;遗传算法与传统优化算法的主要不同;遗传算法的准备工作;基本遗传算法;基本遗传算法的构成要素;杂交操作举例;变异操作;反转操作;基本遗传算法的构成要素;基本遗传算法;基本遗传算法流程图;概率地选择遗传操作;轮盘式选择;单点一致交叉;一致变异;遗传算法举例;（4）选择：选择概率 个体： 01101，11000，01000，10011 适应度： 169 576 64 361 选择概率：0.14 0.49 0.06 0.31 选择结果：01101，11000，11000，10011 （5）交叉操作：发生交叉的概率较大 哪两个个体配对交叉是随机的 交叉点位置的选取是随机的（单点交叉） 0110 1 01100 11 000 11 011 1100 0 11001 10 011 10 000;（6）变异：发生变异的概率很小 （7）新群体的产生： 保留上一代最优个体，一般为10%左右，至少1个 用新个体取代旧个体，随机取代或择优取代。 11000，11011，11001，10011 （8）重复上述操作： 说明：GA的终止条件一般人为设置； GA只能求次优解或满意解。 分析：按第二代新群体进行遗传操作，若无变异，永远也找不到最优解——择优取代有问题。 若随机的将个体01101选入新群体中，有可能找到最优解。;13.5 遗传算法的理论基础;模式举例;模式的定义; 模式定理; 模式定理; 模式定理; 模式定理; 模式定理; 模式定理; 模式定理;模式定理;模式定理;模式定理;模式定理;积木块假设;遗传算法的收敛性分析; 遗传算法的改进; 遗传算法的改进; 遗传算法的改进; 遗传机器学习－分类器系统;遗传机器学习系统的一般框架;匹兹堡方法和密西根方法;匹兹堡方法和密西根方法;分类器系统; 分类器系统;分类器系统;分类器系统;规则与消息;规则与消息;分类器系统的基本结构;分类器基本算法;简单的视觉分类器系统;性质检测器规定的值;规则表示;网络图;网络图的规则表示;学习机制; 桶链算法;主要问题;桶链算法;举 例;第一步;第二步;第三步;第四步;第五步;投标改变分类器的强度;分类器中的遗传算法;算法步骤;算法说明;分类器强度调整算法; 规则发现系统; 规则发现系统; 规则发现系统; 规则发现系统; 规则发现系统; 规则发现系统; 规则发现系统;PSP与BBA比较;不同的强度修改方案; 进化策略; 进化规划;进化规划步骤;/shizz/;