数据挖掘算法之遗传算法.docx
版权申诉
185 浏览量
2023-02-10
21:12:35
上传
评论
收藏 35KB DOCX 举报
数据挖掘算法之遗传算法
遗传算法(GA，Genertic Algorithm)是一种基于生物进化过程中自然选择与遗传机制
的模拟算法，它广泛应用于机器学习、模式识别、控制系统优化及数据挖掘等领域中， 在数
据挖掘中它不公可以用于聚类分析，也可用于分类分析。
遗传算法的基本流程如下图：
遗传编码
由问题空间向 GA 编码空间的映射称为编码， 反之则称为解码。 遗传编码是遗传算法的
基础，一般要体现两个原则：
✓ 编码方案应与问题本身相关性大，而与其它编码方案相关性小
✓ 编码方案应采用最小字符集，以使问题得到自然、简单的表示和描述
二进制编码是最基础的编码方式，应用范围非常广泛，其它编码方式有大字符集编码、
序列编码、实数编码、树编码、自适应编码、乱序编码等。
适应值函数(评价函数)
是评估染色体的主要工具，其设置分为三个步骤：
1. 确定目标函数：遗传算法中有一个求解问题的目标，而这个目标可以用一个函数来表示，
确定实际问题参数集
对参数集进行编码
初始化群体 P(t)
评价群体
群体 P(t)
个
满足停止准则？
遗传操作
群体 P(t+1)
结束
4. 位串解码得参数
5. 计算目标函数值
6. 函数值向适应值映射
7. 适应值调整
三种基本算子：
1. 选择
2. 交叉
3. 变异
资源评论
