遗传算法是以概率原则指导搜索,而不是确定性的转化原则。⏺目前,遗传算法还存在一些问题,主要是计算时要求种群规模较大(一般为50-100), 耗费机时太多,难以解决大型结构优化问题,一般多用于系统优化问题。其次是在求解 过程中,有时会发生过早收敛于局部最优解。为此需对选择、杂交和变异三个过程进行 仔细分析研究。具体算法请参阅相关文献资料。群体(population)〜竞争淘汰(competition) 种群(reproduction) f 婚配(crossover) f 子群 (subpopulation) f 变异 (mutation) f 新群体…个体(individual)—解(设计方案);染色体(chromosome)—解的编码(字符串,向量);基因(gene) 一解的一个分量,可用染色体的一个或几个元素来表示。适应度(fitness) --适应函数值(与目标有关)。例1:求/(x) = x2,.0<x<31, X为最大整数的解。
遗传算法是以概率原则指导搜索,而不是确定性的转化原则。⏺目前,遗传算法还存在一些问题,主要是计算时要求种群规模较大(一般为50-100), 耗费机时太多,难以解决大型结构优化问题,一般多用于系统优化问题。其次是在求解 过程中,有时会发生过早收敛于局部最优解。为此需对选择、杂交和变异三个过程进行 仔细分析研究。具体算法请参阅相关文献资料。群体(population)〜竞争淘汰(competition) 种群(reproduction) f 婚配(crossover) f 子群 (subpopulation) f 变异 (mutation) f 新群体…个体(individual)—解(设计方案);染色体(chromosome)—解的编码(字符串,向量);基因(gene) 一解的一个分量,可用染色体的一个或几个元素来表示。适应度(fitness) --适应函数值(与目标有关)。例1:求/(x) = x2,.0
发布时间:2025-11-11 17:00:35