知识卡片
EDA按适应度循环建模采样
EDA 的迭代先评价当前个体并检查终止条件;未满足时,才从优势群体学习概率模型并采样新种群,再进入下一轮评价。终止检查决定是否继续生成后代,模型学习与采样构成遗传算法交叉、变异位置上的更新步骤。原文概述流程,未证明其对所有问题都能解决连锁或欺骗现象。
结构图:
flowchart TD
A[初始化种群与参数] --> B[计算适应度]
B --> C{满足终止条件?}
C -->|是| D[结束]
C -->|否| E[选择优势群体]
E --> F[估计概率模型]
F --> G[采样生成新种群]
G --> B
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
- 9 . 2 分 布 估 计 算 法 实 现 · 查看原书依据
步骤2:计算个体适应度值,检验是否满足终止条件。若满足,则算法结束;若不满足,则转至下一步。 步骤3:选择优势群体,估计概率模型。 步骤4:对概率模型进行采样,产生新群体,转至步骤2。
参考来源
- 位置:《智能算法导论》第 9 章《9.2 分布估计算法实现》(源文件:`_epub-src/EPUB/xhtml/chapter9_0003.xhtml`)
- 结论依据:原文将适应度评价与终止检查置于每轮模型估计和采样之前;终止条件不满足时才生成新种群并回到评价步骤。
- 原始内容:步骤2:计算个体适应度值,检验是否满足终止条件。若满足,则算法结束;若不满足,则转至下一步。 步骤3:选择优势群体,估计概率模型。 步骤4:对概率模型进行采样,产生新群体,转至步骤2。