遗传算法相关

一、适应度函数的调整

1. 如有5个初始个体，适应度分别为100，0.1，0.2，0.3，0.4，第一个个体几乎是其它的100倍，对于竞争来说过于悬殊。

       解决办法：取 ，初始个体适应度变为200，100.1，100.2，100.3，100.4，100.5这样就好很多。

        适应度函数变换的作用：

1.           维持个体差距，保持竞争。
2.           避免差距过大，限制竞争。

2. 适应度函数的变化方法

             线性变换 ：

             指数变换 ：

             归一化变换： 

             Boltzmann ：

二、 适应度共享

       共享函数Sh(dij)为:

                                     

       则共享适用度为：

        其中：

三、交叉概率与变异概率的作用

       概率高则保证种群多样性，但收敛性变慢；概率低则容易发生早熟现象，得不到全局最优解。

       基于a个父代+b子代共同竞争的模式，加大了竞争力度，也有效避免只用子代进行筛选时有可能破坏掉“父代出现了适应度很高，但后来由于交叉破坏掉其适应度形成劣势子代”现象。

1. 优化交叉概率 为自适应交叉概率：