1、先了解方法的基本理论。
仿生学算法,是将实际的问题,要进行抽象转化的,对应关系一定要清楚。比如,遗传算法中,个体对应什么,种群对应什么。算法的操作以及算法的核心流程必须清楚。初始化要干嘛?什么是变异操作,什么是选择操作,什么是交叉操作。这些操作,是对谁进行的,什么条件下进行。算法的一些参数要清楚。种群数量,迭代数,交叉概率,变异概率等等。
2、按照前人代码实际在简单问题操作可以按书自己写一个,也可以抄别人代码,自己真实操作一下。 一定要找那些写的有体系的代码。比如遗传算法,有初始化、选择、交叉、变异操作,这些操作是要写在子函数中,而主代码是调用这些子函数去运算。这样子的代码,才能为你所用,才能更好的改进。
3、进阶遗传算法的编码有哪些?二进制,实数编码,这些编码什么时候用,怎么编码译码,他们的交叉,变异操作应该怎么根据编码方式改?遗传算法的选择方法有哪些?轮盘赌,等等,怎么写?遗传算法的参数怎么弄可以跑的快一些,比如交叉概率,变异概率的自适应等等。
2021-01-25
最新推荐文章于 2021-10-25 02:08:04 发布