像风一样自由的博客

这次代码的修改点在交叉变异 函数中，做了其他修改： def crossover_and_mutation(pop, CROSSOVER_RATE=0.015): new_pop = [] for i in range(POP_SIZE//2-20): fatherpoint = np.random.randint(low=0, high=POP_SIZE) child=pop[fatherpoint] motherpoint = np.rand

这次代码的修改点在select函数中，在100个个体中，通过轮盘赌选择出前48个个体，然后再选择出最优个体和最差个体，总共50个，然后再在轮盘赌中后剩下的50个个体进行交叉和变异，返回出50个，这样50+50=100个体作为下一次进化的初始种群，如此不断循环，得出结果。 select如下： def select(pop, fitness): # nature selection wrt pop's fitness # fitnew=fitness.copy() #深拷贝 fitnew =

遗传算法求三元函数极值(python)-采用实数编码 本文的遗传算法采用实数编码求三元函数极值 所求函数为 ` 其完整代码如下： x1x1-x1x2+x3 import numpy as np import random DNA_SIZE =1 POP_SIZE =100 CROSSOVER_RATE = 0.8 MUTATION_RATE = 0.015 N_GENERATIONS = 500 X_BOUND = [3.0,5.0]#x1 Y_BOUND = [2.1,6.7]#x2 Z_BOUND

遗传算法求三元函数极值(python)-采用二进制编码 本文的遗传算法采用二进制编码求三元函数极值 所求函数为 要想使用遗传算法，首要任务是进行编码 传统的 GA 中, DNA 我们能用一串二进制来表示, 比如: DNA1 = [1, 1, 0, 1, 0, 0, 1] DNA2 = [1, 0, 1, 1, 0, 1, 1] 这里，我们仍然使用二进制编码，但是如何与我们的问题对应起来呢？ 我们知道二进制很容易转十进制，再区间压缩以下，这样一个DNA和一个解一一映射。 def translat...