本文详细介绍了遗传算法的传统过程，包括解空间确定、编码方式（如二进制和实数向量编码）、适应度函数、父体选择策略（轮盘赌等）以及遗传算子设计，探讨了在优化问题中的应用，如静态、动态和自适应惩罚函数的使用。
遗传算法：（传统过程）
一、解空间确定
二、编码：二进制编码、实数向量编码
三、初始化
四、计算适应度值
五、父体选择：轮盘赌
六、遗传算子：杂交、变异
技术细节：
一、编码：（用自然的方式编码）
数值优化时二进制好，TSP时自然数编码好
二进制编码确定位数方法：
依上式得到第j个变量xj编码为二进制时所需二进制位数。总的二进制位数为所有之和
缺点：
1.相邻整数的二进制编码的hamming距离较大，可以采用gray编码克服
2.在高维高精度问题求解中，串长太长
实数向量编码，排列编码，结构编码，树编码，图编码
二、适应函数
1.原始适应函数，即目标函数
2.简单适应函数，加减常量，倒数等
3.适应值比例变换f'(v)=g(f(v))
(1)线性比例变换：f'(v)=af(v)+b,ab可以根据最大最小平均适应度值的限定来确定,使得变换后的适应函数在我们要求范围内
(2)σ截断：
(3) 幂函数变换:
最低0.47元/天 解锁文章
扫一扫
137
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
