全世界只有3.14 %的人关注了 数据与算法之美 初探遗传算法 Ok，先看维基百科对遗传算法所给的解释： 遗传算法是计算数学中用于解决最优化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。 光看定义，可能思路并不清晰，咱们来几个清晰的图解、步骤、公式： 基本遗传算法的框图： 所以，遗传算法基本步骤是： 1）初始化t←0进化代数计数器；T是最大进化代数；随机生成M个个体作为初始群体P（t）； 2）个体评价计算P（t）中各个个体的适应度值； 3）选择运算将选择算子作用于群体； 4）交叉运算将交叉算子作用于群体； 5）变异运算将变异算子作用于群体，并通过以上运算得到下一代群体P（t 1）; 6）终止条件判断tT：t←t 1转到步骤2； t |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
