遗传算法
文章平均质量分 70
木草弥生
这个作者很懒,什么都没留下…
展开
-
A review on genetic algorithm: past, present, and future
笔记:遗传算法的过去,现在,未来。原创 2023-09-15 15:28:51 · 170 阅读 · 0 评论 -
遗传算法解决VRP问题学习笔记
GA遗传算法原创 2023-06-19 08:28:31 · 1084 阅读 · 0 评论 -
遗传算法解决实际例的学习笔记
总结起来,这段代码的循环逻辑是从种群中选择相邻的两条染色体,根据交叉概率和随机生成的二进制序列,对这两条染色体的指定基因位置进行交叉操作。循环的步长为2,确保选择的染色体是相邻的。总结起来,这段代码是对种群中的每个染色体进行遍历,将其二进制编码转换为十进制数值,并解码到函数定义域内,然后计算解码后染色体的适应度。首先,先把它们加起来,然后每个适应度值去除以总和,就是占比的概率,概率越大表示被选中的概率越高。上面代码的意思就是,创建1X100列的矩阵,每一列代表那一代的适应度最高的函数值。原创 2023-05-27 16:01:41 · 238 阅读 · 0 评论 -
遗传算法一元函数优化
【代码】遗传算法一元函数优化。原创 2023-05-02 14:13:37 · 189 阅读 · 0 评论 -
Matlab遗传算法学习笔记
遗传算法通过选择过程体现这一思想,进行选择的原则是适应性强的个体为下一代贡献一个或者多个后代的概率大。变异首先在群体中随机选择一个个体,对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。再利用迭代的方式进行选择,交叉以及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。随机产生N个初始串结构数据,每个串结构数据称为一个个体,N个个体构成一个群体。GA在进行搜索之前,先将解空间的解数据表示成遗传空间的基因型串结构数据,这些串结构数据的不同组合便构成了不同的点。原创 2023-04-28 15:39:20 · 89 阅读 · 0 评论