遗传算法来源于进化论,可以理解为一开始我们产生很多个随机解,构成第一代假设集合(也叫做种群),由这些随机解产生一代新的种群并进行假设解集合的更新,在产生下一代随机解过程中,好的解保留,差的解遗弃,即通过变异和交叉迭代每一步。
总结来说,遗传算法是在候选假设中找到最优假设的过程。
1.遗传算法结构
(1)种群:在算法中迭代更新的假设集合
(2)适应度函数:判断假设好坏的定量值
(3)如何选出适应度较高的假设:一部分假设进行变异,一部分假设进行交叉操作。具体如何做后面详细讲。
故模型为: GA(Fitness,Fitness_threshold,p,r,m)
Fitness:适应度函数,输入为某函数输出为判断值
Fitness_threshold:适应度阈值,即迭代停止条件