遗传算法学习笔记

isDataWork

已于 2022-04-30 22:27:35 修改

阅读量310

点赞数

分类专栏： MATLAB 文章标签：学习遗传算法

于 2022-03-09 11:30:50 首次发布

本文链接：https://blog.csdn.net/qq_34995963/article/details/123368395

版权

MATLAB 专栏收录该内容

29 篇文章 12 订阅

订阅专栏

遗传算法是一种模拟生物进化过程的优化算法，通过适者生存原则生成并迭代多个群体。在每个迭代过程中，染色体经过交叉变异产生新个体，并保留最优个体。编码方式包括十进制、格雷码和二进制等，如排班问题中，可使用二进制编码表示人员分配。约束条件在每次迭代后检查，确保满足问题限制，如排班问题中班次人数的上限。遗传算法通过不断迭代最终找到最佳解决方案。

摘要由CSDN通过智能技术生成

关于遗传算法，一般使用它做优化类的问题。

参考视频：

【数之道14】六分钟时间，带你走近遗传算法_哔哩哔哩_bilibili

下面我们说下什么是遗传算法，遗传算法是模仿生物学中生物进化的一种算法。

就是说，适者生存

所以，在实际模拟中就可以生成多个群体-染色体；

然后这些染色体可以交叉变异不断产生新的个体，每次迭代中记录下最优的个体，然后不断的进行迭代，最后找到多轮迭代中搜索到的最佳个体，作为求解的结果。

an对于标准遗传算法来讲步骤都是规定好的，所以按照下面流程操做即可

对于不同类型的问题最重要的是解决编码问题：

如：

确定编码方式
如何设计编码
确定约束条件
如何实现约束

1、编码方式可以按照规格选择如下方式：

十进制　格雷码   二进制

0       0000    0000
1       0001    0001
2       0011    0010
3       0010    0011
4       0110    0100
5       0111    0101
6       0101    0110
7       0100    0111
8       1100    1000
9       1101    1001
10      1111    1010

2、如何设计编码

如排班问题中，有M个班次需要排人，然后需要排班的人员个数是N

可以使用一种简单的排班方式为：编码使用二进制编码，长度为 N*M

每N个编码作为一组（一班次）

每个bit 代表N个人员中哪些参与了排班，参与为1，不参与为0.

3、确定约束条件

对于编码来讲一般都是存在约束的，所以这个时候需要在每次产生群体后，再执行一遍约束条件

如：排班问题中每个班次最多有多少人，这个需要约束

不能多也不能少；

所以这个时候加个 stList 进行相对的约束

stList=[ 2 3 4 5...];

以确保每个班次数与之一致，但是约束时可以灵活处理，这个位主不做赘述。