遗传算法（4）：交叉概率和变异概率的自适应化

最新推荐文章于 2024-07-28 11:41:51 发布
最新推荐文章于 2024-07-28 11:41:51 发布
阅读量4.7w 收藏 150
点赞数 14
分类专栏： 智能 文章标签： 算法 遗传算法 优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qcyfred/article/details/76735734
版权

算法的基本出发点




想法还是比较简单。



到目前为止，我只能从Pc和Pm的计算公式中看出，它是更倾向于要改变适应度不太好的个体。

但并没有看出来对所有个体趋于一致时，变异和交叉概率变大了。在哪里？？

如果非要说，趋于一致时，f_max 和 f_avg 相近，分母变小，那分子也会变小啊 -_-!!




qcyfred
关注
专栏目录
遗传算法 自适应交叉率 变异率 Python代码实现
m0_64787063的博客
09-11 565
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。而低于平均适应值的个体，相对应于较高的交叉概率和变异概率，使该个体被淘汰掉。特别的：当个体的适应度等于当前当代种群中的最佳适应度（F'=Fmax或者F=Fmax）时，经过公式的计算可知，Pc和Pm都为0， 这也符合“把最佳个体保存下来”这一要求。
具有基于多样性的变异因子的自适应遗传算法
qq_61141142的博客
10-02 223
同时，早熟是遗传算法的一个主要问题，自适应的遗传算法容易导致早熟的发生[4]。通过混合Srnivas提出的自适应交叉和变异因子和基于多样性的变异因子，本文提出了一种具有基于多样性的变异因子的自适应遗传算法（AGADM）,并且用均匀有限马尔科夫链证明了，当存在最优解的情况下，AGADM和具有基于多样性的变异因子的遗传算法(GADM)。和S分别代表由具有自适应概率的交叉因子引起的过渡矩阵，由具有基于多样性的变异因子引起的过渡矩阵，由具有自适应概率的变异因子引起的过渡矩阵和由选择操作引起的过渡矩阵。
【算法】浅析遗传算法【附完整示例】
最新发布
Young_Pro的博客
07-28 1276
遗传算法（Genetic Algorithm，GA）是一种模拟自然选择和遗传机制的搜索算法，主要用于求解优化和搜索问题。遗传算法作为一种模拟自然进化过程的优化算法，在实际应用中具有广泛的意义。通过本文的介绍，相信大家对遗传算法的原理、使用和意义有了更深入的了解。在实际问题求解过程中，我们可以根据问题的特点，灵活运用遗传算法，提高问题求解的效率。
遗传算法交叉概率和变异概率自适应方法
ygxdxm的博客
04-10 3420
论文《自适应遗传算法交叉变异算子的改进》提出的方法(IAGA,邝航宇)，原论文经过验证发现其取值范围存在问题，函数本身不适用，可能是打印错误。​   在遗传算法的初期阶段，种群需要更多的多样性来探索解空间，较大的交叉概率有助于促进新基因组合，同样较大的变异概率。随着进化的进行，算法逐渐接近最优解，这时应适当减小交叉概率和变异概率，以。表示参与交叉父代中适应值较大一方的适应值，取值范围为。，个体适应值越大，当前的交叉概率和变异概率应越小。表示参与交叉父代中适应值较大一方的适应值，
遗传算法：自适应交叉和变异（一）：PRGA
qq_32182397的博客
05-16 5963
Fogarty首次使用了可变变异概率，他指出当变异率随generation呈现指数下降时，会有卓越的性能。这与模拟退火算法类似，突变率可以理解为温度，一种以恒定突变率进化的纯突变遗传算法被分析为恒温模拟退火算法 pc和pm都与种群的最大适应度和平均适应度成比例，当平均适应度接近最大值时概率较大，而某个染色体具有较大适应度的情况，概率较小。 当种群收敛时，加大自适应的crossover和mutation的step size，防止陷入局部最优 [1]在他们的工作中第一次提出了自适应crossover rat
遗传算法：自适应交叉和变异（二）：ADAPTIVE CROSSOVER
qq_32182397的博客
05-16 3970
Yang在2002年将自适应中的parameter tuning分为3类： deterministic adaptation 确定性的调整：根据预定义的规则自动地调整参数 adaptive adaptation 适应性调整：根据整体的统计信息修改参数 self-adaptive adaptation 自适应调整：参数被编码与个体共同进化 [1]使用了4种crossover方法，文中提出一种自适应方法根据种群反馈来调整每个算子的概率，而不是仅仅依靠先验知识来提高GA性能。4种crossover方法如下：
基于聚类的遗传算法自适应交叉变异概率
02-22
基于聚类的遗传算法自适应交叉变异概率
基于自适应交叉和变异概率的遗传算法收敛性研究 (2010年)
05-30
交叉概率 pc和变异概率 pm在整个进化进程中保持不变,是导致算法性能下降的重要原因。 为了提高算法的性能,文章提出了自适应交叉概率公式和自适应变异概率公式,并在非线性排序选择情 况下,证明了所提出的自适应交叉和自适应变异概率公式是收敛到全局最优解的。
一种新的调节交叉和变异概率的自适应算法
01-15
并提出了与输入相对应的自适应归一化算子以及新的基于启发式知识的模糊规则,用于交叉和变异概率的调节.对3种不同测试函数的数值仿真研究表明,与其他2种自适应模糊控制算法相比,该调节算法可使遗传算法具有更快的搜索...
基于电动汽车的VRPTW（带时间窗的车辆路径优化）遗传算法，并对交叉概率、变异概率进行自适应，matlab源代码
07-19
使用自适应交叉、变异概率，对整个交叉、变异过程进行自适应调节，迭代前期选取的交叉、变异概率值相对较大，可以提高最优解快速寻找概率，后期则采用比较小的交叉、变异概率进行操作，得以让优质个体不再被损坏，...
遗传算法-变异算法
热门推荐
java、c++、机器学习方向King
10-27 1万+
遗传算法系列 （4） 变异算法 在基因交叉之后产生的子代个体，其变量可能以很小的概率或者步长发生转变，这个过程称为变异(Mutation)。 如果进化的目标函数极值是单峰值的，那么，将变异概率p设置为种群数量n的倒数是一个比较好的选择。 如果变异概率很大，那么整个搜索过程就退化为一个随机搜索过程。所以，比较稳妥的做法是，进化过程刚刚开始的时候，取p为一个比较大的概率，随着搜索过程的进行，p逐
自适应遗传算法MATLAB代码
11-21
自适应遗传算法的代码！对于初学者帮助很大！欢迎大家下载学习！
遗传算法
Mr. David 专栏
03-20 4024
遗传算法（Genetic Algorithm, GA）是近几年发展起来的一种崭新的全局优化算法。1962年霍兰德(Holland)教授首次提出了GA算法的思想，它借用了仿真生物遗传学和自然选择机理，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。这一点体现了自然界中"物竞天择、适者生存"进化过程。与自然界相似，遗传算法对求解
GAOT工具箱设置交叉概率和变异概率
PeanutbutterBoh的博客
03-01 3595
推荐阅读《基于Matlab 遗传算法工具箱的优化计算实现-陈秋莲》这篇论文 关于GAOT工具箱具体信息可自行百度，这里主要看一下GAOT工具箱怎么设置交叉概率和变异概率。 首先看一下GAOT工具箱中ga.m的解释 ga run a genetic algorithm function [x,endPop,bPop,traceInfo]=ga(bounds,evalFN,evalOps,star...
基于python的01背包问题处理案例——引入精英解池和自适应交叉变异概率
m0_64908545的博客
05-22 175
github项目地址：git@github.com:littleBu0210/test.git。收敛曲线,横坐标是迭代代数，纵坐标是总价值。
遗传算法相关
greatdajiezi的博客
04-24 1763
一、适应度函数的调整 1. 如有5个初始个体，适应度分别为100，0.1，0.2，0.3，0.4，第一个个体几乎是其它的100倍，对于竞争来说过于悬殊。 解决办法：取 ，初始个体适应度变为200，100.1，100.2，100.3，100.4，100.5这样就好很多。 适应度函数变换的作用： 维持个体差距，保持竞争。 ...
遗传算法为什么要适应交叉概率和变异概率
dolphin_gjh的专栏
04-30 1万+
遗传算法中的交叉变异概率在编子函数时，应该是rand(1)产生的随机数小于交叉率Pc,或交叉率Pm才能进行交叉变异操作。 因为遗传算法中，交叉变异操作是以一定的交叉率Pc和一定的变异率Pm执行的。所以首先选择参与交叉或变异操作的个体进入到交配池，选择过程是随机选择的，即满足rand(1)
遗传算法简介
weixin_34228387的博客
10-31 886
　　遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。最优化问题的目标函数和约束条件种类繁多，有的是线性的，有的是非线性的；有的是连续的，有的是离散的；有的是单峰值的，有的是多峰值的。随着研究的深入，人们逐渐认识到在很多复杂情况下要想完全精确地求出其最优解既不可能，也不现实，因而求出其近似最优解或满意解是人们的主要着眼点之一。遗传算法为解决这类问题提供了一个有效...
自适应遗传算法：交叉与变异概率的优化研究
针对这一问题，该研究提出了一种自适应调整交叉概率和变异概率的方法，旨在提高遗传算法的性能并确保其收敛到全局最优解。 1. 自适应交叉概率设计 传统的遗传算法中，交叉概率保持不变，可能在早期迭代中过度扰动解...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

qcyfred

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值