本文介绍了遗传算法的基础概念，包括编码方式如二进制、浮点和自然数编码，以及遗传算子中的交叉和变异操作。交叉部分讨论了单点、两点和均匀交叉策略，而变异则作为跳出局部最优的手段。此外，文章提到了后代选择方法，如轮盘赌和精英保留策略，并简要提及遗传编程在数据挖掘中的潜在应用。
遗传算法案例：
http://blog.youkuaiyun.com/qq_27755195/article/details/56597467
编码
常见的编码方法有：
二进制编码、浮点编码、自然数编码、格雷编码、实数编码。。
个人理解：编码指表现型到基因型的映射方法，根据求解问题的特点，将一种问题的解表达成字符串的方式。所以其实根据问题合理选择一个比较合适的字符串来表达自己问题就好，每个基因能准确的表达意义，而基因组成的染色体能表达解的形式。
遗传算子
遗传算子包含2个方面交叉与变异。
交叉
常见的交叉方法二进制编码的交叉方式有：单点交叉、两点交叉、均匀交叉等。交叉实际使用时需要根据自身的编码策略进行设计、并且需要注意交叉的过程中能有效的将后代限制在可行域内。而且不同的编码方式也有着独特的交叉方法。
交叉的实现过程包含3个步骤：
以两点交叉为例：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
