遗传算法 自适应交叉率 变异率 Python代码实现

自适应变异率：

代码在结尾

遗传算法的参数中交叉概率和变异概率的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性。

优点：交叉概率和变异概率能根据适应度变化自动改变。这样即可保证算法可以跳出局部最优情况，也可以利于优良个体的生存。所以。自适应遗传算法在保持群体多样性的同时，保证遗传算法的收敛性。

从种群整体来看：随着种群的进化、可能解向着最优解靠拢，Favg逐渐接近Fmax，Fmax-Favg逐渐变小，Pc和Pm的值变大，这符合“ 随着种群迭代，适应度越来越集中，距离（局部）极值越来越近，为了增加种群多样性和跳出极值，Pc和Pm的值应该增大”这一要求。

从某一代种群内部各个个体来看：不同个体的交叉和变异概率随着自身适应度呈线性变化。适应度（F 或 F）越高的个体，Fmax-F或者Fmax-F'的值越小，这符合“ 保存优良个体”这一要求； 而适应度（F 或 F）越低的