1、案例背景
遗传算法(Genetic Algorithm,GA)是一种进化算法,其基本原理是仿效生
物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编
码为染色体,再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染
色体的信息,最终生成符合优化目标的染色体。
在遗传算法中,染色体对应的是数据或数组,通常是由一维的串结构数据来
表示,串上各个位置对应基因的取值。基因组成的串就是染色体,或者叫基因型
个体( Individuals) 。一定数量的个体组成了群体(Population)。群体中个体的数
目称为群体大小(Population Size),也叫群体规模。而各个个体对环境的适应
程度叫做适应度( Fitness) 。
2、案例目录:
1.1 理论基础
1.1.1 遗传算法概述
1. 编码
2. 初始群体的生成
3. 适应度评估
4. 选择
5. 交叉
6. 变异
1.1.2 设菲尔德遗传算法工具箱
1. 工具箱简介
2. 工具箱添加
1.2 案例背景
1.2.1 问题描述
评论0