c遗传算法的终止条件一般_三分钟学会遗传算法

本文介绍了遗传算法的基本思想和步骤,包括编码、适应度评估、选择、交叉和变异操作。通过实例展示了如何使用MATLAB编写一个简单的遗传算法,解决实数最小化的sphere函数优化问题。采用俄罗斯轮盘选择策略,并提供了交叉和变异的实现细节。
摘要由CSDN通过智能技术生成
b1ad8bf0a0c65c7c3be8c6a314cb0c9d.png

遗传算法

此节介绍最著名的遗传算法(GA)。遗传算法属于进化算法,基本思想是取自“物竞天泽、适者生存”的进化法则。简单来说,遗传算法就是将问题编码成为染色体,然后经过不断选择、交叉、变异等操作来更新染色体的编码并进行迭代,每次迭代保留上一代好的染色体,丢弃差的染色体,最终达到满足目标的最终染色体。整个流程由下图构成(手写,见谅 -_-!!)

f635d26a10fe7bf70dd3982c8cdc770f.png

流程图

步骤由以下几步构成:

编码(coding)——首先初始化及编码。在此步,根据问题或者目标函数(objective function)构成解数据(solutions),在遗传算法中,该解数据就被称为染色体(chromosome)。值得一提的是,遗传算法为多解(population based)算法,所以会有多条染色体。初始化中会随机生成N条染色体,, 这里表示染色体包含了n条。其中 ,这里表示第i条染色体由d维数值构成。GA会以这个N个数据作为初始点开始进行进化。

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