- 博客(8)
- 收藏
- 关注
RSS订阅原创 实现最简单的遗传算法GA基础实例
4、选择：最常用的就是轮盘赌方式，了解完他的定义之后发现他的代码实现也不难，比如有五个个体的种群，索引序号是[0,1,2,3,4]，那就是计算适应度值，并且求一下在总的适应度里面的占比，得到[0.1,0.2,0.3,0.1,0.3],然后根据这每一个个体的比例来随机抽数，得到[2,4,2,1,4],就比如两个0.3的概率最大，那么抽取到个体2和4的概率就更大，最终根据这个序号去选择种群中对应的个体，进行保留到下一代，这就实现了适应环境的留下，不适应的淘汰。无约束的遗传算法（最简单的）
2023-06-09 16:18:43
291
原创 凸函数和非凸函数，以及三大经典算法比较
在每个降温周期中，接受劣解的概率随着温度的下降而逐渐降低，从而逐渐收敛到全局最优解。 研究发现，遗传算法可以用极快的速度达到最优解的90%以上，但是要达到真正的最优解需要花费很长时间，即局部搜索能力不足。约束条件写成g ( x ) ≤ 0 g(x)\le0g(x)≤0时，g gg如果不是凸函数，则不是凸优化问题。搜索速度快，参数设置容易，但是极其容易陷入局部最优解，因此一般需要使用期改进方法避免陷入局部最优解。 全局搜索能力强，局部搜索能力较弱，往往只能得到次优解而不是最优解。
2023-06-03 19:33:26
4962
原创 遗传算法超详细图解
（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）。
2023-05-18 09:24:55
23023
1
原创 如何实现从（0，0）到（a,b）的路径实现，用python
即要到达s[a][b]点必先到达S[a][b-1]或者S[a-1][b]，所以说到达s[a][b]的路径数目就是S[a][b-1]与S[a-1][b]路径之和；同时因为第一行与第一列的路径仅由该行或该列的路径所达到，所以只有一条路径。拿到该题，第一步想到的是利用for循环暴力法来决解，可能会超时，所以考虑到动态规划。1. 向右 -> 向右 -> 向下。2. 向右 -> 向下 -> 向右。3. 向下 -> 向右 -> 向右。输入: m = 3, n = 2。输入: m = 7, n = 3。
2023-05-16 15:16:04
152
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人