锐客网

  1. 首页 > 睿知 > >

遗传算法选择方法的比较分析

经验分享睿知

遗传 算法的选择概率如果用轮盘赌的轮盘选择法，这是遗传 算法和传统优化算法的巨大区别 。如何理解-1算法选择压力的级别遗传 算法是以生物学为基础的 ， 理解或编程都不会太难，遗传 算法求解？遗传 算法/的中心思想遗传算法的中心思想是选择、杂交、变异等，由一定数量的个体组成的生物种群遗传 。
【遗传算法选择方法的比较分析】
1、什么是 遗传?(要详细的资料和图片解说 abstract 遗传指的是基因的传递，使后代能够获得父母的特征 。遗传科学是研究这种现象的学科 。目前已知地球上现存的生命主要以DNA为遗传物质 。决定生物特性的因素除了遗传，还有环境以及环境与遗传 。初始化通常会产生可行解，所以第一次排序不存在这个问题 。边界约束去除不可行解，用最优可行解替代或选择其他替代方法 。一般来说，有三种方法可以处理不可行解，一种是直接删除 ， 一种是修复编码 ， 另一种是用惩罚函数来惩罚不可行解的适应度值 。直接删除会减少种群规模，降低种群多样性 ， 导致早熟 。除非解决小规模的问题，一般不需要根据具体问题使用修复编码的方法 。最好不要把所有不可行解都修复到基本相同，这样会降低多样性，导致早熟 。建议多种修复方式一起使用 ， 扩大搜索范围 。

罚函数法是处理不可行解的较好方法 。惩罚不可行解的适应度值，使其变小，既能使不可行解逐渐被淘汰，又能充分利用不可行解中的优秀基因，扩大种群多样性 。唯一的问题在于需要确定惩罚方式和惩罚力度 。惩罚强度太高会导致寻找可行解的过程 ， 惩罚强度太低会导致无法消除不可行解 。

2、 遗传 算法求解?遗传算法已在多个领域得到应用；从神经网络研究的角度，我们最关心的是遗传 算法在神经网络中的应用 。在遗传 算法的应用中，首先要明确其特点和关键问题，以便对这类算法有深入的理解、灵活的应用和进一步的研究和发展 。一、-1算法1的特点 。-1算法从问题解决方案的集合出发，而不是从单个解决方案出发 。这是遗传 算法和传统优化算法的巨大区别 。传统优化算法从单个初值迭代寻找最优解；很容易陷入局部最优解 。

2.遗传算法用于解决具体问题的信息很少，很容易形成一个通用的算法程序 。因为遗传 算法使用了适合度的信息进行搜索 ， 所以不需要与问题直接相关的信息 ， 比如问题的导数 。遗传 算法它只需要适应值和字符串代码等一般信息，因此几乎可以处理任何问题 。3.具有强容错性的遗传算法-1/算法的初始串集本身包含了大量远离最优解的信息；通过选择、交叉和变异操作，可以快速消除与最优解相差很大的字符串 。这是一个强过滤过程；它是一种并行过滤机制 。

    推荐阅读


    上一篇：控制系统的稳定性分析实验

    下一篇：加密解密分析,文字在线加密解密工具