知识卡片
遗传算法以种群搜索解
遗传算法把候选解编码为个体,以一群个体而非单个解参与迭代;适应度评价决定哪些个体更可能保留,再由复制、交叉、变异产生新候选。生物演化只是启发,算法成败取决于编码、评价和参数是否对应实际优化问题。本书此处的经典 GA 流程采用二进制染色体,这是该流程的表示设定,不是所有 GA 的编码要求。
补充教学示例(非书中数据)。4 位二进制表示 0–15 的整数,适应度就取该整数,种群 3 个个体:
| 个体 | 编码 | 解码 | 适应度 |
|---|---|---|---|
| A | 0011 | 3 | 3 |
| B | 1100 | 12 | 12 |
| C | 0101 | 5 | 5 |
选择更偏向保留 B。A 与 B 在第 2 位后交叉,可能得到 0000 与 1111;C 的第 1 位变异则得到 1101。复制保留已有编码,交叉重组片段,变异改局部基因。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 0 . 1 差 分 进 化 算 法 与 遗 传 算 法 · 查看原书依据
经典GA首先进行初始化操作,由经过二进制编码的若干个个体组成初始种群,其中每个个体可以是一维或多维向量,又称为染色体,染色体的每一位二进制数称为基因。初代种群产生之后,根据自然界适者生存和优胜劣汰的进化原理,逐代进化产生越来越好的近似解。
参考来源
- 位置:《智能算法导论》第 1 章 1.1.1 节“遗传算法生物学基础”(`EPUB/xhtml/chapter1_0001.xhtml`)。
- 结论依据:原文把群体、染色体、基因、适应度映射到搜索空间,并列出复制、交叉、变异。4 位种群表为依据该映射补充的教学示例,非书中数据。
- 原始内容:有了上述定义,遗传算法便可以模拟生物的遗传方式——复制、交叉和变异——来实现对数据的“进化”。
- 位置:《智能算法导论》第 10 章《10.1 差分进化算法与遗传算法》中的 GA 流程(源文件:`_epub-src/EPUB/xhtml/chapter10_0002.xhtml`)
- 结论依据:本节限定经典 GA 采用二进制编码,并说明个体、染色体和基因的对应关系;卡片将该设定限定于此处流程。
- 原始内容:经典GA首先进行初始化操作,由经过二进制编码的若干个个体组成初始种群,其中每个个体可以是一维或多维向量,又称为染色体,染色体的每一位二进制数称为基因。