一、基本遗传算法的流程如下:
不断循环,直到寻找出一个解:
1、检查每个染色体,看它解决问题的性能如何,并相应地为它分配一个适应性分数。
2、从当前群体选出2个成员。选出的概率正比于染色体的适应性,适应性愈高,被选中的概率也愈大。常用的方法是赌轮选择法(roulette wheel selection)
3、按照预先设定的杂交率(crossover rate)(一般取0.7),从每个选中染色体的一个随机确定的点上进行杂交。
4、按照预先的变异率(mutation rate),通过对被选染色体的位的循环,把相应的位实行翻转(flip)。
5、重复步骤2,3,4,直到100个成员的新群体被创建出来。
结束循环
算法步骤1到5一次循环称为一个generation,整个循环称为一个epoch。
二、遗传算法的优化
各种置换变异算子
1、散播变异
0,1,2,3,4,5,6,7
变成
0,1,2,5,6,3,4,7
2、移位变异
0,1,2,3,4,5,6,7 1、基于顺序的杂交
变成
0,3,4,5,1,2,6,7
3、插入变异
2、基于位置的杂交
0,1,2,3,4,5,6,7
变成
0,1,3,4,5,2,6,7
4、倒置变异
0,1,2,3,4,5,6,7
变成
0,4,3,2,1,5,6,7
5、倒置移位变异
0,1,2,3,4,5,6,7
变成
0,6,5,4,1,2,3,7
各种置换杂交算子