首頁(yè) > 產(chǎn)品 > 經(jīng)驗(yàn) > 遺傳算法流程圖，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

遺傳算法流程圖，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

來(lái)源：整理時(shí)間：2023-08-26 22:42:13 編輯：智能門戶手機(jī)版

本文目錄一覽

1，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜
2，特征選擇的遺傳算法程序
3，生物遺傳圖解具體有哪些步驟
4，遺傳算法的基本框架
5，螞蟻算法的思想進(jìn)化公式及遺傳算法的算法流程圖
6，遺傳算法是什么

1，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

遺傳算法將目標(biāo)函數(shù)轉(zhuǎn)換為適應(yīng)度函數(shù)，評(píng)估，復(fù)制，交叉，變異種群中的個(gè)體，并從中選出適應(yīng)性最強(qiáng)的個(gè)體，算法的最優(yōu)解就是這個(gè)個(gè)體。具體流程是：1.初始種群的產(chǎn)生。2.適應(yīng)度函數(shù)的構(gòu)造。3.選擇和繁殖。4.終止條件。

不明白啊 = =！

如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

2，特征選擇的遺傳算法程序

一個(gè)簡(jiǎn)單實(shí)用的遺傳算法c程序: http://blog.csdn.net/AmiRural/archive/2005/07/07/416333.aspx

http://baike.baidu.com/view/45853.htm

特征選擇的遺傳算法程序

3，生物遺傳圖解具體有哪些步驟

遺傳圖解要有：1、親代、子代、配子；2、各代的基因型及表現(xiàn)型及比例關(guān)系；3、親代產(chǎn)生的配子及配子結(jié)合成子代的基因型之間要用箭頭連接。

1親代p 子代f的符號(hào)2雜交自交符號(hào) 3親子代基因型.基因型比例和生物性狀4產(chǎn)生的配子5箭頭 ↙ ↘

生物遺傳圖解具體有哪些步驟

4，遺傳算法的基本框架

遺傳算法不能直接處理問題空間的參數(shù)，必須把它們轉(zhuǎn)換成遺傳空間的由基因按一定結(jié)構(gòu)組成的染色體或個(gè)體。這一轉(zhuǎn)換操作就叫做編碼，也可以稱作(問題的)表示(representation)。評(píng)估編碼策略常采用以下3個(gè)規(guī)范:a)完備性(completeness):問題空間中的所有點(diǎn)(候選解)都能作為GA空間中的點(diǎn)(染色體)表現(xiàn)。b)健全性(soundness): GA空間中的染色體能對(duì)應(yīng)所有問題空間中的候選解。c)非冗余性(nonredundancy):染色體和候選解一一對(duì)應(yīng)。目前的幾種常用的編碼技術(shù)有二進(jìn)制編碼，浮點(diǎn)數(shù)編碼，字符編碼，變成編碼等。而二進(jìn)制編碼是目前遺傳算法中最常用的編碼方法。即是由二進(jìn)制字符集a)簡(jiǎn)單易行b)符合最小字符集編碼原則c)便于用模式定理進(jìn)行分析，因?yàn)槟Ｊ蕉ɡ砭褪且曰A(chǔ)的。進(jìn)化論中的適應(yīng)度，是表示某一個(gè)體對(duì)環(huán)境的適應(yīng)能力，也表示該個(gè)體繁殖后代的能力。遺傳算法的適應(yīng)度函數(shù)也叫評(píng)價(jià)函數(shù)，是用來(lái)判斷群體中的個(gè)體的優(yōu)劣程度的指標(biāo)，它是根據(jù)所求問題的目標(biāo)函數(shù)來(lái)進(jìn)行評(píng)估的。遺傳算法在搜索進(jìn)化過程中一般不需要其他外部信息，僅用評(píng)估函數(shù)來(lái)評(píng)估個(gè)體或解的優(yōu)劣，并作為以后遺傳操作的依據(jù)。由于遺傳算法中，適應(yīng)度函數(shù)要比較排序并在此基礎(chǔ)上計(jì)算選擇概率，所以適應(yīng)度函數(shù)的值要取正值。由此可見，在不少場(chǎng)合，將目標(biāo)函數(shù)映射成求最大值形式且函數(shù)值非負(fù)的適應(yīng)度函數(shù)是必要的。適應(yīng)度函數(shù)的設(shè)計(jì)主要滿足以下條件：a）單值、連續(xù)、非負(fù)、最大化b) 合理、一致性c）計(jì)算量小d）通用性強(qiáng)。在具體應(yīng)用中，適應(yīng)度函數(shù)的設(shè)計(jì)要結(jié)合求解問題本身的要求而定。適應(yīng)度函數(shù)設(shè)計(jì)直接影響到遺傳算法的性能。遺傳算法中初始群體中的個(gè)體是隨機(jī)產(chǎn)生的。一般來(lái)講，初始群體的設(shè)定可采取如下的策略:a)根據(jù)問題固有知識(shí)，設(shè)法把握最優(yōu)解所占空間在整個(gè)問題空間中的分布范圍，然后，在此分布范圍內(nèi)設(shè)定初始群體。b)先隨機(jī)生成一定數(shù)目的個(gè)體，然后從中挑出最好的個(gè)體加到初始群體中。這種過程不斷迭代，直到初始群體中個(gè)體數(shù)達(dá)到了預(yù)先確定的規(guī)模。

5，螞蟻算法的思想進(jìn)化公式及遺傳算法的算法流程圖

抄的目前蟻群算法主要用在組合優(yōu)化方面，基本蟻群算法的思路是這樣的：1. 在初始狀態(tài)下，一群螞蟻外出，此時(shí)沒有信息素，那么各自會(huì)隨機(jī)的選擇一條路徑。2. 在下一個(gè)狀態(tài)，每只螞蟻到達(dá)了不同的點(diǎn)，從初始點(diǎn)到這些點(diǎn)之間留下了信息素，螞蟻繼續(xù)走，已經(jīng)到達(dá)目標(biāo)的螞蟻開始返回，與此同時(shí)，下一批螞蟻出動(dòng)，它們都會(huì)按照各條路徑上信息素的多少選擇路線(selection)，更傾向于選擇信息素多的路徑走（當(dāng)然也有隨機(jī)性）。3. 又到了再下一個(gè)狀態(tài)，剛剛沒有螞蟻經(jīng)過的路線上的信息素不同程度的揮發(fā)掉了(evaporation)，而剛剛經(jīng)過了螞蟻的路線信息素增強(qiáng)(reinforcement)。然后又出動(dòng)一批螞蟻，重復(fù)第2個(gè)步驟。每個(gè)狀態(tài)到下一個(gè)狀態(tài)的變化稱為一次迭代，在迭代多次過后，就會(huì)有某一條路徑上的信息素明顯多于其它路徑，這通常就是一條最優(yōu)路徑。關(guān)鍵的部分在于步驟2和3：步驟2中，每只螞蟻都要作出選擇，怎樣選擇呢？selection過程用一個(gè)簡(jiǎn)單的函數(shù)實(shí)現(xiàn)：螞蟻選擇某條路線的概率＝該路線上的信息素÷所有可選擇路線的信息素之和假設(shè)螞蟻在i點(diǎn)，p(i,j)表示下一次到達(dá)j點(diǎn)的概率，而τ(i,j)表示ij兩點(diǎn)間的信息素，則：p(i,j)＝τ(i,j)/∑τ(i)（如果所有可選路線的信息素之和∑τ(i)＝0，即前面還沒有螞蟻來(lái)過，概率就是一個(gè)[0,1]上的隨機(jī)值，即隨機(jī)選擇一條路線）步驟3中，揮發(fā)和增強(qiáng)是算法的關(guān)鍵所在（也就是如何數(shù)學(xué)定義信息素的）evaporation過程和reinforcement過程定義了一個(gè)揮發(fā)因子，是迭代次數(shù)k的一個(gè)函數(shù)ρ(k)＝1－lnk/ln(k+1)最初設(shè)定每條路徑的信息素τ(i,j,0)為相同的值然后，第k+1次迭代時(shí)，信息素的多少對(duì)于沒有螞蟻經(jīng)過的路線：τ(i,j,k+1)＝(1－ρ(k))τ(i,j,k)，顯然信息素減少了有螞蟻經(jīng)過的路線：τ(i,j,k+1)＝(1－ρ(k))τ(i,j,k)＋ρ(k)/|W|，W為所有點(diǎn)的集合為什么各個(gè)函數(shù)要如此定義，這個(gè)問題很難解釋清楚，這也是算法的精妙所在。如此定義信息素的揮發(fā)和增強(qiáng)，以及路徑選擇，根據(jù)馬爾可夫過程（隨機(jī)過程之一）能夠推導(dǎo)出，在迭代了足夠多次以后，算法能夠收斂到最佳路徑。

沒看懂什么意思？

6，遺傳算法是什么

遺傳算法（Genetic Algorithm）是一類借鑒生物界的進(jìn)化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機(jī)制）演化而來(lái)的隨機(jī)化搜索方法。遺傳算法(Genetic Algorithms簡(jiǎn)稱GA)是由美國(guó)Michigan大學(xué)的John Holland教授于20世紀(jì)60年代末創(chuàng)建的。它來(lái)源于達(dá)爾文的進(jìn)化論和孟德爾、摩根的遺傳學(xué)理論，通過模擬生物進(jìn)化的機(jī)制來(lái)構(gòu)造人工系統(tǒng)。遺傳算法作為一種全局優(yōu)化方法，提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，它不依賴于問題的具體領(lǐng)域，對(duì)優(yōu)化函數(shù)的要求很低并且對(duì)不同種類的問題具有很強(qiáng)的魯棒性，所以廣泛應(yīng)用于計(jì)算機(jī)科學(xué)、工程技術(shù)和社會(huì)科學(xué)等領(lǐng)域。John Holland教授通過模擬生物進(jìn)化過程設(shè)計(jì)了最初的遺傳算法，我們稱之為標(biāo)準(zhǔn)遺傳算法。標(biāo)準(zhǔn)遺傳算法流程如下：1）初始化遺傳算法的群體，包括初始種群的產(chǎn)生以及對(duì)個(gè)體的編碼。2）計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度，個(gè)體的適應(yīng)度反映了其優(yōu)劣程度。3）通過選擇操作選出一些個(gè)體，這些個(gè)體就是母代個(gè)體，用來(lái)繁殖子代。4）選出的母代個(gè)體兩兩配對(duì)，按照一定的交叉概率來(lái)進(jìn)行交叉，產(chǎn)生子代個(gè)體。5）按照一定的變異概率，對(duì)產(chǎn)生的子代個(gè)體進(jìn)行變異操作。6）將完成交叉、變異操作的子代個(gè)體，替代種群中某些個(gè)體，達(dá)到更新種群的目的。7）再次計(jì)算種群的適應(yīng)度，找出當(dāng)前的最優(yōu)個(gè)體。8）判斷是否滿足終止條件，不滿足則返回第3）步繼續(xù)迭代，滿足則退出迭代過程，第7）步中得到的當(dāng)前最優(yōu)個(gè)體，通過解碼，就作為本次算法的近似最優(yōu)解。具體你可以到百度文庫(kù)去搜索遺傳算法相關(guān)的論文，很多的。你也可以參考百度百科里對(duì)遺傳算法的介紹。

以下是遺傳算法的偽代碼。 begin: i = 0; //進(jìn)化種群代數(shù) initialize p(i); //初始化種群 fitness p(i); //“適者生存”遺傳選擇 while(not terminate-condition) //不滿足終止條件時(shí)，循環(huán) i ++; //循環(huán) ga-operation p(i); //遺傳算法運(yùn)算or操作 fitness p(i); //“適者生存”遺傳選擇 } end. //結(jié)束算法希望對(duì)你有所幫助！

强奸久久久久久久|草草浮力在线影院|手机成人无码av|亚洲精品狼友视频|国产国模精品一区|久久成人中文字幕|超碰在线视屏免费|玖玖欧洲一区二区|欧美精品无码一区|日韩无遮一区二区

遺傳算法流程圖，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

本文目錄一覽

1，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

2，特征選擇的遺傳算法程序

3，生物遺傳圖解具體有哪些步驟

4，遺傳算法的基本框架

5，螞蟻算法的思想進(jìn)化公式及遺傳算法的算法流程圖

6，遺傳算法是什么

最近更新

相關(guān)文章

經(jīng)驗(yàn)最新文章

產(chǎn)品排行榜推薦

經(jīng)驗(yàn)排行榜精選

經(jīng)驗(yàn)文章排行榜

熱門標(biāo)簽

强奸久久久久久久|草草浮力在线影院|手机成人无码av|亚洲精品狼友视频|国产国模精品一区|久久成人中文字幕|超碰在线视屏免费|玖玖欧洲一区二区|欧美精品无码一区|日韩无遮一区二区

遺傳算法流程圖，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急 搜

本文目錄一覽

1，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急 搜

2，特征選擇的遺傳算法程序

3，生物 遺傳圖解 具體有哪些步驟

4，遺傳算法的基本框架

5，螞蟻算法的思想進(jìn)化公式及遺傳算法的算法流程圖

6，遺傳算法是什么

最近更新

相關(guān)文章

經(jīng)驗(yàn)最新文章

產(chǎn)品排行榜推薦

經(jīng)驗(yàn)排行榜精選

經(jīng)驗(yàn)文章排行榜

熱門標(biāo)簽

遺傳算法流程圖，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

1，如何利用遺傳算法求解問題試舉例說(shuō)明求解過程急急急搜

2，特征選擇的遺傳算法程序

3，生物遺傳圖解具體有哪些步驟

4，遺傳算法的基本框架

5，螞蟻算法的思想進(jìn)化公式及遺傳算法的算法流程圖