遗传算法的基本运算过程

遗传算法的基本运算过程是用循环语句控制不同的五个步骤。

一、编码、随机产生初始群体

  • 编码的好坏关系到求解的速度。
  • 遗传算法的工作对象是字符串,对字符串的编码要求是:字符串要反映所研究问题的特性;字符串的表达式要便于计算机处理。

二、个体评价、选择、确定是否输出

  • 设计一个适应度函数,进行个体评价。
  • 把优秀的留下使其比例增大,把差的筛选掉。
  • 在遗传算法中,衡量个体优劣的尺度是适应度,根据适应度的大小决定个体繁殖的数量、或决定其是否消亡。适应度是驱动遗传算法的动力。
  • 复制算子将优良个体在下一代予以繁殖,个体被复制的数量是按照适应度的大小决定的,群体中个体总数是不变的。
  • 采用等差、等比或者轮盘赌的复制方式,防止过早的收敛。

三、随机交叉运算

  • 对已经存在下的个体进行随机交换交叉运算。
  • 交换是遗传算法中产生新个体的主要手段,将两个个体的部分字符互相交换。
  • 执行交换的个体是随机选择的。
  • 交换的概率一般为50~80%(可以根据实际情况灵活选择)。

四、随机变异运算

  • 对已经存在下的个体进行随机、变异叉运算。
  • 变异是遗传算法中产生新个体的方法(不是最主要的方法),将被选择的个体的部分字符进行补运算。
  • 变异个体是随机选择的。
  • 个体的第几位开始变异是随机的
  • 个体变异几位也是随机的。

五、转向个体评价,开始新循环

  • 最常用的终止条件是迭代的代数。
  • 当目标 函数有最优目标值时,可采用控制偏差的方式实现。
  • 检查适应度的变化。

模式理论

  • 编码是左边(高位)数字越小,其适应度将越大。这种字符串的形式特征叫做编码模式。
  • 模式中确定的字符的个数就叫做模数的阶数。模数阶数越低,代表的字符串的个数就越多。
  • 模式中最前面和最后面两个确定字符的距离称为模式的长度。

遗传过程中的模式数目与模式定理

  • 复制时的模式数目
    H模式编码在每一代复制的过程中以指数的方式增加。
  • 经过复制、交换、突变在下一代拥有的个数公式。t+1代的数目和t代数目、平均适应度成正比。
  • 模式定理表明:长度短、阶次低、平均适应度大的模式在遗传算法循环中呈指数增长。(从理论上保证了遗传算法是智能的搜素)。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容