目录
1.算法概述
首先要了解遗传算法的一些基本概念:
- 基因型(genotype):性状染色体的内部表现;
- 表现型(phenotype):染色体决定性状的外部表现,或者说,根据基因型形成的个体;
- 进化(evolution):逐渐适应生存环境,品质不断得到改良。生物的进化是以种群的形式进行的。
- 适应度(fitness):度量某个物种对于生存环境的适应程度。
- 选择(selection):以一定的概率从种群中选择若干个个体。一般,选择过程是一种基于适应度的优胜劣汰的过程。
- 复制(reproduction):细胞分裂时,遗传物质DNA通过复制而转移到新产生的细胞中,新细胞就继承了旧细胞的基因。
- 交叉(crossover):两个染色体的某一相同位置处DNA被切断,前后两串分别交叉组合形成两个新的染色体。也称基因重组或杂交;
- 变异(mutation):复制时可能(很小的概率)产生某些复制差错,变异产生新的染色体,表现出新的性状。
- 编码(coding):DNA中遗传信息在一个长链上按一定的模式排列。遗传编码可看作从表现型到基因型的映射。
- 解码(decoding):基因型到表现型的映射。
- 个体(individual):指染色体带有特征的实体;是问题的一个解
- 种群(population):个体的集合,该集合内个体数称为种群的大小,根据适应函数选择产生的一组解。
本文介绍了基于精英保留策略的遗传优化算法,详细阐述了遗传算法的基本概念,包括基因型、表现型、进化、适应度、选择、复制、交叉、变异、编码和解码等。强调了精英选择在保证群体收敛至最优解中的作用,并展示了在MATLAB 2022a中的仿真效果和源码。
订阅专栏 解锁全文
502

被折叠的 条评论
为什么被折叠?



