python遗传算法的实现

1、遗传算法

编码 -> 创造染色体
个体 -> 种群
适应度函数
遗传算子
选择
交叉
变异

运行参数
是否选择精英操作
种群大小
染色体长度
最大迭代次数
交叉概率
变异概率

个人理解的遗传算法,给定一个种群(元素),然后让这些元素相互组合,允许每次发生小的改变,并且,在适应度函数的选择下(相当于目标函数?),把与适应度相差比较远的淘汰,留下比较好的元素,不断组合,不断发生小的改变(变异),不断淘汰,从而获得满足适应度函数相近的最终元素。

可以看出,比较关键的是适应度函数的定义,以及元素与适应度函数的评估准则的定义。有了这些,淘汰,变异等都比较好办。

2、python实现

创建一个染色体的类,其中包括了两个变量:染色体chrom与适应度fitness。

之后就是初始染色体了,其中就牵扯到了各种用来初始化种群、计算适应度、找最优等函数,我在这里分出了两个文件,分别为Genetic.py和Fitness.py。

使用GitHub运行的结果:
这里写图片描述

这个图像的适应度函数是选出y值最大的,其中横坐标表示的是,500代每一代的y的最大值。

这里写图片描述
这个是,函数的曲线图。

如果要用遗传算法来实现,只需要修改适应度函数。


参考:

  1. GA GitHub
  2. python实现遗传算法 知乎
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

rosefunR

你的赞赏是我创作的动力!

¥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
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