[求助} 关于evolution strategy 的相关资料~-技术邻

Question

求助各位有关于evolution strategy 的相关资料吗？？？~
我做的最优化被要求用这个~ 可是是在是学不通不通，而且还找不到什么资料~~
帮忙~~

louming · Answer

3QQQ~~
研究研究~~~

Zhang_aiqing · Answer

演化策略（Evolution Strategies）和遗传算法（Genetic Algorithms）最基本的不同在于它们各自的应用领域。演化策略的开发是针对数值优化，它采用一特殊的带自适应步长大小和倾角的爬山过程。最近，演化策略已经用语离散的优化问题。而遗传算法是作为（一般目的）自适应搜索技术形成的，这种搜索技术按指数增长的比率分配平均值之上的模式。它能用在各种领域，（实）参数优化只是它应用中的个方面。
一、表达个体的方式

演化策略：操作于浮点向量
经典遗传算法：操作于二进制向量。

二、选择过程本身

在演化策略里，选择过程是确定性的：它从u+y 个[(u+y)-Es] 或 y 个[(u,y)-Es] 个体中选择最好的 u 个个体（无重复）。而在遗传算法里，选择过程是随机的，从pop_size个个体中选择pop_size个个体（有重复），选择的机会与个体的适应值成比例。一些遗传算法实际上使用了分级加权选择，但较强个体仍可以被选择几次。
三、选择和重组步骤的相对次序

在演化策略里，一个后代是两个亲体杂交和进一步交异的结果，u+y 或 y 个个体组成的中间群体已准备好，选择过程减少其大小到 u 个个体。在遗传算法中，次序正好相反。我们首先选择一些中间群体，然后应用遗传算子（杂交和变异）到一些个体上（按照杂交概率选择）及一些基因上（按照变异概率选择）。

四、控制参数

在演化过程中，遗传算法的再生殖参数保持常数（杂交概率、变异概率），而演化策略始终改变参数（自适应步长和倾角）：它们和解向量x一起经历杂交和变异，因为一个个体被解释为这三个参数的三位一体（x，自适应步长，倾角）。演化策略中控制参数的自适应对应于系统的局部微调。
五、处理约束
演化策略承担一组q≥0个不等式，G1(x)>=0,...,Gq(x)>=0作为优化问题的一部分。在一些迭代过程中，如果一个后代不满足所有这些约束，那么此后代消亡，即不被放到新群体中。如果这样的非法个体发生率很高，演化策略就调整它们的控制参数，即减少向量的部分。遗传算法处理约束的主要策略是对违反约束的个体加以惩罚。理由是对强约束问题，不能只是消去不合法后代（遗传算法不调节它们的控制参数），否则，算法将长时间原地不动。走进细看演化策略的遗传算法在过去20年的发展，人们不得不承认，这些方法之间的鸿沟正变得越来越小。

Zhang_aiqing · Answer

先发一篇学位论文,参考一下.
应用动态规划式演化策略解决生产分配问题

應用動態規劃式演化策略解決生產分配問題.pdf

[求助} 关于evolution strategy 的相关资料~

全部回答

没解决？试试专家一对一服务

[求助} 关于evolution strategy 的相关资料~

全部回答

没解决？试试专家一对一服务

推荐阅读