pg下载 遗传算法经典实例_遗传算法优化BP神经网络

大家好，又见面了，我是你们的朋友全栈君。

运用手工计算的方式，来对遗传算法的各个主要执行步骤进行简单模拟。比如，求解阐述的二元函数的最大值：

个体编码遗传算法中，其运算对象是表示个体的符号串，因此要将变量 x1 与 x2 这两变量编码成为一种符号串，在本题里，采用无符号二进制整数去表示，鉴于对为 0 到 7 之间整数的 x1 与 x2，所以分别运用 3 位无符号二进制整数进行表示pg下载麻将胡了安卓专属特惠.安卓应用版本.中国，把它们连接在一起而组成的 6 位无符号二进制数便形成了个体的基因型，此基因型表示一个可行解，例如，基因型 X 取值为 101110 时所对应的表现型是：x 等于。 。个体的表现型x和基因型X之间可通过编码和解码程序相互转换。

(2) 遗传算法所进行的进化操作是针对群体展开的pg下载网站麻将胡了，这就需要为其准备一些能够表示起始搜索点的初始群体数据。在本例当中，群体规模被设定为 4，也就是说群体是由 4 个个体构成的，并且每个个体都能够借助随机方式得以产生。像，011101，101011，011100，111001 (3) 在遗传算法里，是依据个体适应度的高低来评判各个个体的优势与劣势程度的，进而确定其遗传机会的程度。在这个例子当中，目标函数始终获取非负的值，而且是以求解函数的最大值作为优化的目标，所以能够直接借助目标函数的值当作个体的适应度。

（4）选择运算，也就是复制运算，它会把当前群体里适应度较高的个体，按照某种规则或者模型，遗传到下一代群体当中。通常来讲，要求适应度较高的个体能有更多机会，遗传到下一代群体里。在此例中，我们运用与适应度成正比的概率，来确定各个个体复制到下一代群体里的数量。它那个具体的操作过程是这样的：首先呢，要计算出群体当中所有个体的适应度的总和，这里的表示是fi ，其中i的范围是从1.2一直到M ；其次呀pg下载麻将胡了A.旗舰厅进体育.cc，要计算出每个个体的相对适应度的大小，也就是fi 除以fi ，这个呀，就是每个个体能够被遗传到下一代群体里的概率；然后呢，每个这样的概率值会组成一个区域，并且全部概率值加起来的和是1；最后呢，还要产生一个在0到1范围内的随机数，根据这个随机数出现在前面所说的哪一个概率区域以内，来确定各个个体被选中的次数 。

(5) 交叉运算，此乃遗传算法里生成新个体的关键操作进程，它会依循某一概率，在某两个个体之间交互部分染色体。在本例之中，选用单点交叉之法，其具体操作步骤如下：首先，针对群体展开随机配对；其次，随机设定交叉点所处位置；最后，进而相互交换配对染色体间的部分基因，。

(6) 变异运算乃是针对个体的某一个或者某一些基因座之上的基因值，依据某一较小的概率予以改变，它同样是生成新个体的一种操作方式。在本例当中，我们运用基本位变异的办法来开展变异运算，其具体的操作流程是：首先明确各个个体的基因变异位置，如下表所呈现的是随机产生的变异点位置，其中的数字意味着变异点设定在该基因座之处；接着按照某一概率把变异点的原有基因值进行取反 。

给群体P(t)开展一回选择运算，再进行一次交叉运算，接着做一次变异运算，之后就能获取新一代的群体p(t + 1)。

能从上面那张表格之中观察出来，群体在经历一代进化以后，它适应度的最大值得到了显著改进，它适应度的平均值也得到了显著改进。实际上，已经在此处寻觅到最佳个体“111111”。需要加以表明的是，表格里有些栏目的数据是随机生成的。在此处为了更妥善地阐释问题，我们特地选取了一些较为优良的数值，以便能够获取较好的结果，不过在实际运算进程中，有可能需要一定的循环次数方可达成这个最优结果。