A003-算法-遗传算法-绘图-(ques=1)

遗传算法实现生物外貌向Firefox图标进化
最新推荐文章于 2024-06-16 09:43:57 发布
最新推荐文章于 2024-06-16 09:43:57 发布
阅读量1.6k 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： A003-算法 文章标签： 遗传算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Manon_des_source/article/details/52434348
本文介绍了一种使用遗传算法让100个个体经历N代演化，从随机状态逐步接近Firefox图标的策略。每个生物具有特定特征，并在进化过程中允许10%的个体发生变异。当所有个体间差异小于4且连续1000代保持这一状态时，认为进化达到平衡。通过调整算法参数，可以优化得到的图像。文章提供了实现代码。

根据科学松鼠会的 文章《遗传算法：内存中的进化》设计下面的实现步骤。

文章地址：http://songshuhui.net/archives/10462


目标：

有100个同一物种的生物[A0,A99]，设计一个约束条件和进化步骤，使得他们经过N代的演化之后、生物个体的外貌如下变化：

从随机的外貌 变成 和 长得像Firefox图标。

物种A的个体特征：

1、由 100个三角形 △组成
2、每个三角形 △的大小随机(在 [size_min,size_max]之间)
3、每个三角形 △的颜色随机(在 [0,255]之间、共 256色可选)
4、每个三角形 △的位置随机(在个体身体之内 [正方形坐标内])


绘图(进化)步骤：

1、随机生成 100个个体 [A0,A99]：每个个体体内的每个 △
最低0.47元/天 解锁文章

200万优质内容无限畅学
遗传算法画图
startdainiao的博客
06-06 7324
在一个 200*200大小的图片上。用遗传算法，200个群种，每个群种，随机250条直线，画一幅图片 原图如下 评估函数很简单，就是 匹配的像素点的多少。越多评估值越高 迭代 32代后的 结果 104代 205代 305 507 1006 1706 2008 3046 5018 12308 20117 45
对于矩阵操作中axis的理解，以及axis=-1的解释
热门推荐
weixin_37821353的博客
03-09 2万+
1. axis的基本使用 axis常常用在numpy和tensorflow中用到，作为对矩阵（张量）进行操作时需要指定的重要参数之一。设定axis=-1,0,1...，用来指定执行操作的数据如何划分。 一句话解释：设axis=i，则沿着第i个下标变化的方向进行操作！[1] 简单例子就不举了，其他博客有很多，这里举一个稍微复杂一点的三维矩阵的例子： 设embeddings是一个shape=[3,4,...
Qt写的遗传算法加画图程序
04-04
Qt写的遗传算法加画图程序。借用了书上少部分代码。加入了遗传算法的部分，能设置代数，概率等，能根据代数的进化来不停地画图。。。即可提供一代画图，也可以一次性，设置的全部分代数画图。
一张图解释什么是遗传算法_什么是遗传算法？怎样绘制遗传算法流程图
weixin_35181426的博客
12-24 1841
遗传算法是一种通过模拟自然进化过程搜索最优解的操作方法，遗传算法有三个基本算子选择、交叉和变异。对于遗传算法我们也可以使用流程图对其整个过程进行总结归纳，那要怎样绘制遗传算法流程图呢？下面是分享的简单操作方法，希望可以帮助大家。 一：遗传算法的优缺点优点：1. 与问题领域无关切快速随机的搜索能力。2. 搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，robust。3. 搜索使用评价函...
基因绘图：用于绘图的遗传算法玩具项目
02-20
基因图 这是我在2017年左右所做的一个玩具项目，目的是模仿给定目标图像的绘制过程（受互联网上许多基因绘制示例的启发，这是我的观点，主要是作为练习）。 由于受欢迎的要求，它现在是开源的 :slightly_smiling_face: 生成图像的示例： 如果您想指定需要更多笔触的区域（例如，分配更多更精细的细节），它还支持用户创建的采样蒙版。 Python 您将需要以下python 3库： opencv 3.4.1 numpy的1.16.2 matplotlib 3.0.3 和Jupyter笔记本 首先，打开GeneticDrawing.ipynb并运行示例代码
遗传算法绘图项目教程
gitblog_00061的博客
06-16 644
遗传算法绘图项目教程 1. 项目介绍 遗传算法绘图项目（Genetic Drawing）是一个基于遗传算法的玩具项目，旨在通过模拟绘图过程生成与目标图像相似的图像。该项目由anopara开发，最初于2017年发布，现已在GitHub上开源。遗传算法是一种模拟自然选择和遗传机制的优化算法，通过不断迭代和进化，逐步优化生成图像的质量。 该项目的主要特点包括： 支持用户自定义采样掩码，以指定需要更多笔...
a003-201303.素雅淡红_罗列式_适用于应届生_2页式_无内容_无封面.zip
11-18
标题中所指的“a003-201303”可能是一个模板的编号，而“素雅淡红”则描述了该模板的色调风格，属于罗列式的设计，罗列式通常意味着内容条理清晰、排列有序，便于读者快速捕捉信息点。这种风格的简历模板特别适合...
CNAS-CL01-A003：2018《检测和校准实验室能力认可准则在电气检测领域的应用说明》.pdf
05-09
该文件自2018年3月1日发布，并于同年9月1日正式实施。 #### 二、文件主要修订内容 相比于之前的版本（CNAS-CL11:2015和CNAS-CL15:2006），CNAS-CL01-A003：2018进行了如下主要修订： - **文件编号调整**：从...
【Java代码-A003】- 文件
09-28
标题中的"【Java代码-A003】- 文件"可能指的是一个包含Java代码示例的压缩文件，这些示例可能涉及了如何在Java中进行文件操作。多线程（Multithreading）是另一个关键主题，特别是在处理I/O密集型任务如文件操作时，...
遗传算法
heavenpeien的博客
05-04 253
https://blog.youkuaiyun.com/u010451580/article/details/51178225
遗传算法(三角形判定)
10-18
一个关于遗传算法的例子。为检测“判定三角形类型”函数中的分支是否能全部覆盖，我们用遗传算法生成了最佳测试用例。
python实现遗传算法，并绘制训练过程以及参数对比
i道i的博客
09-28 1291
本实验使用遗传算法寻找3维函数的最大/最小值，并对基因位数，种群初始大小，每次死亡个数，适应度计算方式这些参数进行修改，对比结果。
科学与艺术的融合：遗传算法绘制蒙娜丽莎
李是李雅普诺夫的李的博客
06-20 1330
点击上方蓝色字体，关注我们读研究生的时候上了智能控制的课，课上讲了遗传算法、粒子群算法还有模糊控制等等。我对遗传算法非常感兴趣，用MATLAB复现了遗传算法进化蒙娜丽莎，这也是我公众号头...
D001-开发工具-数字示波器使用手册(测试)(ques=1)
Manon_des_source的博客
11-15 1772
详细阅读一下示波器使用手册、测试手册中提供的各项常用功能。 主要内容： 1、 衰减设置 2、 探头补偿 3、 探头耦合方式的含义 4、 数字滤波功能 5、 波形对比功能 REF 6、 视窗扩展功能 HORI 7、 波形触发功能 8、 信号采样设置 ACQUIRE 9、 X-Y显示模式 DISPLAY 10、 光标自动跟踪测量 11、 存储功能 未进行的测试： ● 测量【MEASURE】：电压、时间、延迟等测量功能 ● 示波器固件升级【UTILITY】：需要将固件放在U盘
遗传算法总结
hemeinvyiqiluoben的专栏
04-05 3414
1、不适用的场合：比如破解密码这种，答案非对即错，只有两种可能，没有连续的逐步逼近的过程的场合。 2、原理及举例①：作者：尼布甲尼撒链接：https://www.zhihu.com/question/23293449/answer/120185075来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。这是个真实的故事。从前在海岸边有一群扇贝在悠哉游哉地生活繁衍着。它们自然...
遗传算法超详细图解
qq_45054243的博客
05-18 2万+
（Genetic Algorithm）顾名思义，是一种基于自然选择原理和自然遗传机制的启发式搜索算法。该算法通过模拟自然界中生物遗传进化的自然机制（），将好的遗传基因（最优目标）不断遗传给子代，使得后代产生最优解的增加（后代还是会有一些差的结果）。在这个过程当中，交叉操作是优化的主要操作，而变异操作可以看成对种群的扰动。根据具体的问题我们构建适应度函数，并优化极值（可以是求最大值，也可以求最小值）。
【十分钟速成系列】--遗传算法（GA）（含py代码）
zzylalalala的博客
01-23 2470
目录1.算法前瞻：1.1 基因和染色体: 1.2 种群和个体1.3 适应度函数1.4交叉轮盘赌法：单点交叉多点交叉 1.5变异2.算法步骤2.1编码和解码二进制编码：二进制解码：2.2 初始化种群2.3 适应度和选择2.4 交叉和变异2.5 算法终止 2.6 算法流程图3.应用场景 4.遗传算法的基本特征5.代码实现 遗传算法简称GA（Genetic Algorithms）模拟自然界生物遗传学（孟德尔）和生物进化论（达尔文）通过人工方式所构造的一类 并行随机搜索最优化方法，是
遗传算法及基于该算法的典型问题的求解实践
xhblair的博客
03-15 3247
本博文对遗传算法做了系统性&细节性介绍：包括其相关概念、经典的处理流程等。并以调度问题、旅行商问题作为研究对象，探讨了如何使用遗传算法解决这两个问题(截止2024.3.15)。如前文说明部分所述：最近在看波束形成相关内容时了解到可以用这个算法来优化阵元激励以压低旁瓣，便特地了解和学习了一下这个算法，觉得蛮有意思的，于是把这两天关于该算法的学习和实践的内容总结成了一篇博文。我后续会不定期新增遗传算法在信号处理、自动驾驶、以及人工智能等方向的应用实践示例。
遗传算法绘制Firefox图标
派的无理性
12-03 4147
      从前，一群扇贝在海岸边悠哉游哉地生活着。它们衣食不愁，连房子也有了着落，担忧的只有一件事：每隔一段时间，总有人来挖走它们之中的一部分。有意思的是，这个人的家族以Firefox的图标作为纹章，所以他总是选择那些花纹长得比较不像Firefox图标的扇贝。经过几十万代的繁衍后，扇贝壳上的图案逐渐变得与Firefox图标相差无几。　　这个故事确有其事———它们生活在我的电脑中，是一个遗传算
11:59:14.558 --> 2002331118010121010028010030010831010332012033003801015001025401065801745B010080010181010182010E680101850101 -=(CORE_SET_CONFIG_CMD)=- PF_BIT_RATE:01 PI_BIT_RATE:00 PN_NFC_DEP_PSL:00 LA_BIT_FRAME_SDD:08 LA_PLATFORM_CONFIG:03 LA_SEL_INFO:20 LA_NFCID1: LB_SENSB_INFO:01 LF_PROTOCOL_TYPE:02 LF_CON_BITR_F:06 LI_A_RATS_TB1:74 LI_A_BIT_RATE:00 RF_FIELD_INFO:01 RF_NFCEE_ACTION:01 NFCDEP_OP:0E PACM_BIT_RATE:01 NFCC_CONFIG_CONTROL:01 11:59:14.573 4002020000 11:59:14.576 --> 20030703A002A003A004 -=(CORE_GET_CONFIG_CMD)=- 11:59:14.578 40030E0003A0020101A0030103A0040106 CLOCK_REQUEST_CFG:01 CLOCK_SEL_CFG:03 CLOCK_TO_CFG:06 11:59:14.585 --> 20020902A0030113A0040106 -=(CORE_SET_CONFIG_CMD)=- CLOCK_SEL_CFG:13 CLOCK_TO_CFG:06 11:59:14.591 4002020000 11:59:14.595 --> 20020501A0440100 -=(CORE_SET_CONFIG_CMD)=- POLL_PROFILE_SEL_CFG:00
最新发布
08-29
解析包含 `CORE_SET_CONFIG_CMD`、`CORE_GET_CONFIG_CMD` 命令及相关配置信息（如 `PF_BIT_RATE`、`CLOCK_REQUEST_CFG` 等）的日志内容，可按以下思路进行： #### 识别命令 首先从日志中识别出 `CORE_SET_CONFIG_CMD` 和 `CORE_GET_CONFIG_CMD` 这两个关键命令。一般这两个命令会有特定的格式，可能带有时间戳、命令标识等信息。例如： ```plaintext 11:59:14.576 --> 20030703A002A003A004 -=(CORE_GET_CONFIG_CMD)=- ``` 这里明确出现了 `CORE_GET_CONFIG_CMD` 命令。 #### 提取配置信息 在识别出命令后，接着提取相关的配置信息。配置信息可能紧跟在命令后面，也可能在单独的行中。例如： ```plaintext 11:59:14.578 40030E0003A0020101A0030103A0040106 CLOCK_REQUEST_CFG:01 CLOCK_SEL_CFG:03 CLOCK_TO_CFG:06 ``` 这里提取到了 `CLOCK_REQUEST_CFG`、`CLOCK_SEL_CFG` 和 `CLOCK_TO_CFG` 等配置信息。 #### 解析配置含义 根据系统的文档或约定，解析配置信息的具体含义。例如，`PF_BIT_RATE` 可能表示某个通信通道的比特率，`CLOCK_REQUEST_CFG` 可能与时钟请求配置相关。 #### 示例代码 以下是一个简单的 Python 示例，用于模拟解析包含这些命令和配置信息的日志： ```python log_content = """ 11:59:14.576 --> 20030703A002A003A004 -=(CORE_GET_CONFIG_CMD)=- 11:59:14.578 40030E0003A0020101A0030103A0040106 CLOCK_REQUEST_CFG:01 CLOCK_SEL_CFG:03 CLOCK_TO_CFG:06 """ lines = log_content.splitlines() for line in lines: if "CORE_GET_CONFIG_CMD" in line: print("Found CORE_GET_CONFIG_CMD") elif "CORE_SET_CONFIG_CMD" in line: print("Found CORE_SET_CONFIG_CMD") elif "CLOCK_REQUEST_CFG" in line or "PF_BIT_RATE" in line: config_parts = line.strip().split() for part in config_parts: if ":" in part: key, value = part.split(":") print(f"Config key: {key}, value: {value}") ```
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值