遗传算法编码方式

• 术语

  

• 遗传算法流程

  

• 编解码过程
  

• 遗传编码

  • 编码原则

    • 完备性：问题空间的所有解都能表示为所设计的基因型

    • 健全性：任何一个基因型都对应于一个可能解

    • 非冗余性：问题空间（表现型）和表达空间（基因型）一一对应

  将优化变量转为基因的组合表示形式

  • 二进制编码：个体基因型使用二值符号集{0,1}来构成，整个基因型是一个二进制编码符号串。二进制编码符号串的长度与问题所要求的求解精度有关。

    • 优点：实现简单

    • 缺点：变异后表现型很大，不连续，对于连续函数的优化问题，随机性会让局部搜索能力变差

  • 实数编码：解决数值优化问题(尤其是高维、连续优化问题)

    • 优点：计算精确度高，便于和经典连续优化算法结合，适合数值优化

    • 缺点：使用范围有限，只能用于连续变量问题

    • 计算方法

      1. 确定每个决策变量的取值范围。对于每个实数参数，需要确定其取值范围，例如 [0, 1] 或 [-10, 10] 等。

      2. 确定每个个体的维度。维度决定了实数向量的长度，通常根据问题的复杂度和精度要求来确定。例如，若需要保留小数点后 2 位，则向量长度为 10。

      3. 随机生成符合要求的实数向量。对于每个个体，随机生成一个实数向量 x = (x1, x2, … xn)，其中 n 表示维度。对于每个 xj，将其映射到相应的取值范围内，可以使用线性变换公式**：xj’ = li + (ui - li) * r**，其中 li 和 ui 分别是第 j 个决策变量的下限和上限，r 是 [0, 1] 之间的随机数。

      4. 将符合要求的实数向量作为个体加入种群。生成符合要求的实数向量后，将其作为一个个体加入种群中。

  • 符号编码：符号的顺序不同表示不同的意义。在使用符号编码时，交叉编译的结果是对符号顺序的改变，而不是改变符号本身所表达的意义。（用于TSP问题）

  • 整数编码：在使用符号编码时，交叉编译的结果是对符号顺序的改变，而不是改变符号本身所表达的意义。常用于优化问题，如序列排序问题、调度问题等

  • 排列编码：

参考链接：

https://blog.csdn.net/KOBEYU652453/article/details/115505145

https://blog.csdn.net/foneone/article/details/105855367