遗传算法的理解

一、简介

•     1、 定义

      GA:借鉴生物界的自然选择和自然遗传机制的随机化搜索算法。模拟发生（繁殖,交叉.基因突变）；

            属于启发式搜索算法的一种。

      候选解 ---->选取较优个体 ---->遗传算子进行个体组合 ----->产生新的候选解群             重复直至收敛指标

•     2、组成        
•                          基因的编码方式（二进制，互换，树形，值编码）
•                          适应度函数(自然选择的唯一标准)
•                          遗传算子(选择,交叉,变异)
•                          运行参数

二、局部极值的避免

      精英主义:在每一次产生新的一代时,首先把当前最优解原封不动的复制到新的一代,大幅度提高运算速度,防止丢失最后的解。

      突变:杀掉最优秀的个体,产生更优秀的物种,可以采用突变倒计时,如果n代还没有出现比之前更优秀的个体时,可以产生突变.如果若干次突变后产生的个体的适应度与没灾难之前的一样,停止灾变.

      二者可共存。

三、优缺点

      优点：群体搜索，易于并行化处理；启发式搜索，不盲目；适应度函数适用范围很广；易于实现；

      缺点：全局搜索不强，容易陷入局部最优解挑不出来。SA可以帮助解决

   

转载于:https://www.cnblogs.com/shizhenqiang/p/5270092.html