本文通过一个具体的例子详细介绍了遗传算法的工作原理，包括染色体编码、适者生存、交叉和变异等关键步骤。在求解一个特定函数的过程中，解释了如何设置编码位数以达到所需精度，并展示了适应度计算、锦标赛选择和不同类型的交叉变异操作。最后，提到了遗传算法的动态过程展示和代码实现，并推荐了其他优化算法如粒子群和模拟退火。
想要快速的了解一个算法，最好的方式便是拿个例子手动进行实现算一遍。这里借鉴了网络上的一个例子，求解如下的一个函数：
f(x)=x∗sin(10∗π∗x)+2x∈[−1,2]
其函数图像为：
例子来源：
http://blog.csdn.net/emiyasstar__/article/details/6938608/
求解流程与概念
染色体（编码）
在遗传算法中，一个个体一般只包含一条染色体。染色体上包含这一组基因组。
- 基因 ( Gene ) ：一个遗传因子。
- 染色体 ( Chromosome ) ：一组的基因。
- 个体 ( individual )：单个生物。
- 群体：一群个体
在上述的例子中自变量只有x，所有只有一个gene，因此在本例子中：
一个个体=一条染色体=一个基因
将x表达为gene的过程，称之为编码，常见的编码格式有二进制编码和浮点编码。本文采用2进制编码：
- 设我们求解精度为 e=0.01
最低0.47元/天 解锁文章
扫一扫
457
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
