GA 算法变异率高
1.遗传(GA)算法简介
遗传(GA)算法是一种基于自然选择和群体遗传(GA)机理
的搜索算法,它模拟了自然选择和自然遗传(GA)过程中的繁殖、杂
交和突变现象.再利用遗传(GA)算法求解问题时,问题的每一个可能
解都被编码成一个“染色体”,即个体,若干个个体构成了群体(所有可
能解).在遗传(GA)算法开始时,总是随机的产生一些个体(即初始解),
根据预定的目标函数对每一个个体进行评估,给出一个适应度值,基于
此适应度值,选择一些个体用来产生下一代,选择操作体现了“适者生
存”的原理,“好”的个体被用来产生下一代,“坏”的个体则被淘汰,
然后选择出来的个体,经过交叉和变异算子进行再组合生成新的一代,
这一代的个体由于继承了上一代的一些优良性状,因而在性能上要优
于上一代,这样逐步朝着最优解的方向进化.因此,遗传(GA)算法可
以看成是一个由可行解组成的群体初步进化的过程.
2.遗传(GA)算法原理简析
2.1.GA 算法是一种元启发式自然选择的过程 ,遗传(GA)算法
通常是利用生物启发算子,如变异、交叉和选择来生成高质量的优化
和搜索问题的解决方案。
借鉴生物进化理论,遗传(GA)算法将问题模拟成一个生物进化
过程,通过遗传(GA)、交叉、突变、自然选择等操作产生下一代
的解,并逐步淘汰适应度函数值低的解,增加适应度函数高的解。这
样进化 N 代后就很有 可能会进化出适应度函数值很高的个体。