智能信息处理笔记遗传算法

最新推荐文章于 2024-09-04 14:45:59 发布

朝不闻道，夕不可死

最新推荐文章于 2024-09-04 14:45:59 发布

阅读量429

点赞数

文章标签：算法数据挖掘人工智能启发式算法

本文链接：https://blog.csdn.net/weixin_42896263/article/details/127269797

版权

概述

进化计算的一般步骤。
在这里插入图片描述
与普通搜索算法相比
1、初始解的个数：进化计算从一组初始解出发
2、编码：原问题与生物个体相对应
3、搜索策略：确定性，随机性

进化计算的共同特点
枚举搜索：把所有的解算出来求最好的，全局最优值，计算复杂度大，效率低。
微分搜索：用到梯度下降。
随机搜索：从解空间中随机选取一定数量的点，难以保证解的质量。
启发式搜索：利用问题的一些启发式的信息进行搜索。（模拟退火算法）
进化计算本质上是一种启发性的随机搜索。
第二点是相当于是每个生物体去做局部搜索，这样能使得得到全局最优解的概率更大。
可并行是说每个生物体的计算并行。
在这里插入图片描述

遗传算法

在这里插入图片描述

GA一般步骤

在这里插入图片描述
用遗传算法解决工程问题时需要编码，也就是，将解空间的解数据表示成遗传空间的基因串结构数据。评估编码策略：完备性、非冗余性、字符集及位数小。总之就是越简单越完备越好。
常用编码方法。
1，二进制编码
2，大字符集编码
3，序列编码
4，实数编码
5，树编码：不定长
6，自适应编码：不定长
7，符号（乱序）编码：增加基因位标号
在这里插入图片描述
初始种群的产生：在已编码的解空间中，随机产生N个初始解，每个初始解为一个个体，N个个体构成一个种群称为初始种群。
N是种群规模