遗传算法中群体规模跟城市个数有经验比例吗?

wts_net 2009-06-24 04:54:01

看到很多算法中都有结验比例,比如SA和ACO算法解决TSP问题时都有一个结验比例,但是遗传算法中没有找到呢?如果知道的人请告知.

...全文

58 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

无心人_过过小日子 2009-06-25

打赏
举报

回复

有两种,都可以.
1)对父代变异,但要另选一个父代.(p复制+p交叉+p变异=1)
2)对子代编译.这时,对c1和c2分别按变异概率变异.

wts_net 2009-06-25

打赏
举报

回复

[Quote=引用 1 楼 l7331014 的回复:]
GA中规模一般与遗传子长度关联不大,与代数有些关系.常用的规模100,代数2000.
[/Quote]
想问一下父代p1,p2交叉产生子代c1,c2,然后进行变异,那么变异是对p1,p2进行变异呢,还是c1,c2?

无心人_过过小日子 2009-06-24

打赏
举报

回复

GA中规模一般与遗传子长度关联不大,与代数有些关系.常用的规模100,代数2000.

精通matlab优化算法实战篇,主要包括决策树与随机森林算法、遗传算法、免疫算法、极限学习机、贝叶斯分类器和BP_ADABOOST算法强分类器和弱分类器、支持向量机、蚁群算法、模拟退火算法、降维与特征选择包括最小二乘法和主成分分析法、粒子群算法。

遗传算法学习心得最近在看遗传算法,查了很多资料,所以做了如下一些总结,也希望对后面研究的人有些帮助.因为初学GA,文中自己的见解,不一定全对,感兴趣的可以一起探讨. I 简介基本概念 遗传算法(Genetic Algorithms, GA)是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。它模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变

3.1编码方法在遗传算法的运行过程中，它不对所求解问题的实际决策变量直接进行操作，而是对表示可行解的个体编码施加选择、交叉、变异等遗传运算，通过这种遗传操作来达到优化的目的，这是遗传算法的特点之一。遗传算法通过这种对个体编码的操作，不断搜出适应度较高的个体，并在群体中逐渐增加其数量，最终寻求出问题的最优解或近似最优解。在遗传算法中如何描述问题的可行解，即把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法就称为编码。编码是应用遗传算法时要解决的首要...

生物在自然界中生存繁衍,显示出了其对自然环境的优异自适应能力.遗传算法(Genetic Algorithms,简称GA)就是对生物遗传和进化过程的计算机模拟.它是一种自适应全局优化概率搜索算法,于1980年左右正式诞生. 首先我们要知道,遗传算法是基于生物进化理论而产生的,因此作为遗传算法生物背景的介绍,下面的概念有必要了解: 种群(Population):生物进化以群体形式进行,这样的一个群体称种群;

遗传算法解决TSP问题1. TSP问题所谓TSP问题（旅行商问题）即最短路径问题就是在给定的起始点S到终止点T的通路集合中，寻求距离最小的通路，这样的通路成为S点到T点的最短路径。在寻找最短路径问题上，有时不仅要知道两个指定顶点间的最短路径，还需要知道某个顶点到其他任意顶点间的最短路径。用遗传算法解决这类问题，没有太多的约束条件和有关解的限制，因而可以很快地求出任意两点间的最短路径以及一...

581

社区成员

2,919

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章