思路:已知适应性较强的个体的一个子种群,生成一个近似的概率密度函数,然后用概率密度函数生成下一代候选解。
目录
连续一元边缘分布算法
用高斯分布生成每一代种群,这个算法可以记为。计算所选种群子集中每个元素的均值和方差,然后用高斯随机数生成下一代。
算法的具体实现如下:
基于增量学习的连续种群
连续域中的PBIL也被称为由正太分布向量学习的随机爬山法。假设有一个n维的向量p,k∈[1,n],,通过产生均值为的高斯随机数为每一个个体生成候选解的元素。随着代数的增加我们期望p收敛到最优解,因此,代数的增加通常会让高斯随机数生成器的标准差变小。如下图:
在算法之初,pdf的方差较大它允许算在搜索空间中大范围搜索,在算法结束时,pdf的方差较小,它让算法收敛到最优解。
具体算法实现如下: