遗传算法笔录

遗传算法学习笔录

本文为遗传算法个人学习记录,也是为了后面可以温习,内容比较简单,对于刚接触遗传算法的会很容易理解

遗传算法

遗传算法是基于达尔文的进化论,模拟了自然选择,物竞天择、适者生存,通过N代的遗传、变异、交叉、复制,进化出问题的最优解。下面就对各个环节进行一一叙述。

概念一、基因和染色体

遗传算法的运用,需要利用数学建模方法进行转化,比如满足问题一系列可行解便是染色体,而可行解中的元素便称为基因。比如说,对于如下函数而言,[1,2,3]、[1,3,2]、[3,2,1]均是这个函数的可行解(代进去成立即为可行解),那么这些可行解在遗传算法中均被称为染色体。

3x+4y+5z<100

概念二、适应度函数

适应度函数的作用,你可以将其理解为是针对众多染色体进行一个优劣判断,保留每一代优良的个体,淘汰一些环境适应度较差的个体(染色体)。对个体的好坏需要一个评判方式,在遗传算法中,这个评判方式就是适应度函数。
遗传算法在运行的过程中会进行N次迭代,每一次迭代都会生成若干个染色体。适应度函数会给本次迭代中生成的所有染色体打个分。来评判这些染色体的适应度,然后将适应度较低的染色体淘汰,保留适应度较高的染色体,从而经过若干次迭代,染色体的质量将越来越好。

概念三、交叉

对于每一次迭代生成的染色体,在

  • 5
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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