遗传算法是一种自适应搜索算法，模仿生物进化过程中的选择、交叉和变异。它具有智能性、并行性，无需求导，适用于多种问题。基本操作包括选择、交叉和变异。选择有轮盘赌等方法，交叉有单点、多点等类型，变异则按概率扰动基因。遗传算法广泛应用于优化、图像处理、数据挖掘等领域。
遗传算法GA之简述
遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行，随机，自适应搜索算法，使用群体搜索技术，将种群代表一组问题的解，通过对当代种群施加选择selection，交叉crossover和变异mutation等一系列遗传操作，从而产生新一代的种群，并逐步使种群进化到包含近似最优解的状态。
特征：
1) 自组织，自适应和自学习性（智能性）
2) 遗传算法的本质并行性：
遗传算法的内在并行性inherent parallelism：多个种群population的演化计算
内含并行性implicit parallelism：采用种群的方式进行搜索，可同时搜索解空间的多个领域（可用模式定理解释：只执行了n次计算，却大约进行了O（n3）次有效搜索）
3) 遗传算法不需要求导或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数fitness
4) 强调概率转换规则，而不是确定的转换规则
5) 可以更加直接的应用
最低0.47元/天 解锁文章
4284
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
