查看: 3876|回复: 3

[其他资源] 遗传算法的运行过程

[复制链接]

字体大小: 正常放大

yang1037483576

4 主题	5 听众	73 积分

升级 71.58%

TA的每日心情

	奋斗 2013-11-5 15:04

签到天数: 32 天

[LV.5]常住居民I

群组: 第一期sas基础实训课堂

群组: 2013认证赛A题讨论群组

电梯直达

1^#

发表于 2012-12-1 14:56 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

1、从任一初始种群出发，通过随机选择，交叉和变异操作，产生一群更适应环境的个体，使群体进化到搜索空间中越来越好的区域，这样一代一代不断繁衍进化，最后收敛到一群最适应环境的个体，求的问题的最优解。
2、完整的遗传算法运算流程
（1）编码：解空间中的解数据x，作为遗传算法的表现形式。从变现型到基因型的映射称为编码。遗传算法在进行搜索之前现将解空间的解数据表示成遗传空间的基因型串结构数据，这些串结构数据中的不同组合就构成了不同的点。
（2）初始群体的生成：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个个体构成了一个群体。遗传算法以这N个串结构作为初始点开始迭代。设置进化代数计数器L，设置最大进化代数T，随机生成M个个体作为初始群体P（0）
（3）适应度值评价检测：适应度函数表明个体或解的好坏。对于不同的问题，适应度函数的定义方式不同。根据具体问题，计算群体P(t)中各个个体的适应度。
（4）选择：将选择算子作用于群体
（5）交叉：将交叉算子作用于群体
（6）变异：将变异算子作用于群体
至此生成下一代P(t-1)
（7）终止条件判断：若t<T，则t=t+1，转到步骤2；若t>T，则进化过程所得到的具有最大适应度的个体作为最优解输出，终止运算。
3、遗传算法的基本操作
（1）选择。（2）交叉。（3）变异

zan