← 返回刚才阅读的位置

知识卡片

结构图卡 · 1295.i.2.h.5 · 生成模型:未记录

定长向量之力

理解等级:中级

本书的遗传算法把候选解编码成固定长度向量,经计分、选择、交叉和突变反复搜索。城市排列与RBF参数都能用向量表示,但需要不同算子。定长是本书所用GA的约定,不能推广为所有演化算法都必须定长。

结构图:

flowchart TD
 A[初始化合法向量种群] --> B[计分与选择]
 B --> C[交叉或突变生成后代]
 C --> D[保留精英并更新种群]
 D --> E{达到停止条件}
 E -->|否| B
 E -->|是| F[返回已有最好候选]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 遗传算法 第3章 遗传算法 · 查看原书依据

      本书将遗传算法定义为一种可以用交叉和突变算子优化固定长度向量的演化算法。计分函数可以区分优劣方案,以优化该固定长度的向量。这个定义说明了遗传算法的本质。 此外,可以将可选特征添加到遗传算法中,以增强其性能。例如物种形成、

    参考来源

    - 位置:《人工智能算法(卷2):受大自然启发的算法》第3章《遗传算法》,原书小节“第3章 遗传算法”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/chapter003.html#nav_point_53) - 结论依据:原文明确标为本书定义,并分别给出TSP与RBF连续参数案例。 - 原始内容:本书将遗传算法定义为一种可以用交叉和突变算子优化固定长度向量的演化算法。计分函数可以区分优劣方案,以优化该固定长度的向量。这个定义说明了遗传算法的本质。 此外,可以将可选特征添加到遗传算法中,以增强其性能。例如物种形成、