遗传算法是一种大致基于模拟进化的学习方法,假设常被描述为二进制串。在遗传算法中,每一步都根据给定的适应度评估准则去评估当前的假设,然后用概率的方法选择适应度最高的假设作为产生下一代的种子。产生下一代的办法有交叉和变异两种方法。
遗传算法和遗传编程是进化计算的两种普遍方法。
遗传算法原理
在遗传算法中各个假设首先表示成二进制位串。用if-then的编码规则将某个属性转换为二进制串。假设一个属性
Outlook可以取Sunny、Overcast和Rain,则该属性可以通过三个二进制位来描述,相应的位表示取某个值的属性。
例子:
(Outlook属性 = Overcast||Rain)&&(Wind属性=Strong)则二进制表示为
Outlook &n

遗传算法是一种模拟进化的学习方法,使用二进制位串表示假设,并通过适应度评估、交叉和变异操作进行迭代。本文介绍了遗传算法的基本原理,包括个体选择、交叉算子和变异算子,还讨论了遗传编程、进化和学习模型,以及并行遗传算法的应用。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



