遗传算法是一种基于生物进化理论的优化搜索算法，通过模拟选择、交叉、突变等过程来寻找问题的最优解。文章介绍了遗传算法的基本思想，包括编码与解码、选择策略、交叉操作和基因突变，并提供了Python实现的简介。
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。它是借鉴了生物进化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。
遗传算法的思想
遗传算法是模拟生物学种的进化论，物种朝着有利于自己的方向发展，这在遗传算法中表现为朝着最优化的方向发展。在进化过程中，遗传算法模拟基因的行为，首先选择有优势的基因，并对基因进行配对，然后等位基因进行交换，并有一定的概率进行基因变异，这就导致了下一代基因的产生，产生新的个体。
编码和解码
遗传算法的编码有两种，二进制编码和浮点数编码。将一个二进制串(长度为n)转化为区间[a,b]里对应是实数值：
（1）将一个二进制串代表的二进制转化为10进制数
( b 0 ⋯ b n − 2 b n − 1 ) 2 = ( Σ i = 0 n − 1 b i ⋅ 2 i ) 10 = x t (b_0\cdots b_{n-2}b_{n-1})_2=(\Sigma_{i=0}^{n-1}b_i\cdot 2^i)_{10}=x^t (b0⋯bn−2bn−1)2
最低0.47元/天 解锁文章
扫一扫
869
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
