参考资料:遗传算法入门详解
染色体chromosome/个体individual表示一个解,用位串表示。位串的每一位是一个基因。染色体的集合称为群体population。适应度函数用于对个体进行度量,通常是个体在群体中使用的次数。
C:个体编码方案,E:适应度函数,P0初始种群,M:种群大小,T:遗传算法终止条件。剩下的三个分别是选择selection/交叉crossover/变异mutation算子。
选择:产生新的群体,一般适应度越高,该个体进入新群体的概率就越大。例如轮盘赌法:
交叉:例如单点交叉:
变异:为了避免陷入局部最优解。例如单点变异,就只变异一个bit/基因。
全过程图:
标签:单点,变异,个体,适应度,GA,遗传算法,群体 来源: https://www.cnblogs.com/genmeng/p/16575436.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。