典型遗传算法CGA(Canonical Genetic Algorithm)通常解决面类静态优化问题：
考虑群长度L二进制编码bii＝12…n
bi∈{01}L (384)
定目标函数ff(bi)
0时
f(bi)≠f(bi+1)
求满足式
max{f(bi)|bi∈{01}L} (385)
bi
明显遗传算法种优化方法通进化遗传机理出原始解群中断进化产生新解收敛特定串bi处求出优解
基遗传算法
步1 搜索空间U定义适应度函数f(x)定种群规模N交叉率Pc变异率Pm代数T
步2 机产生U中N体s1 s2 … sN组成初始种群S{s1 s2 … sN}置代数计数器t1
步3 计算S中体适应度f()
步4 终止条件满足取S中适应度体作求结果算法结束
步5 选择概率P(xi)决定选中机会次S中机选定1体染色体复制做N次然复制N染色体组成群体S1
步6 交叉率Pc决定参加交叉染色体数cS1中机确定c染色体配进行交叉操作产生新染色体代原染色体群体S2
步7 变异率Pm决定变异次数mS2中机确定m染色体分进行变异操作产生新染色体代原染色体群体S3
步8 群体S3作新代种群S3代St t+1转步3
文香网httpwwwxiangdangnet
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
考虑群长度L二进制编码bii＝12…n
bi∈{01}L (384)
定目标函数ff(bi)
0
f(bi)≠f(bi+1)
求满足式
max{f(bi)|bi∈{01}L} (385)
bi
明显遗传算法种优化方法通进化遗传机理出原始解群中断进化产生新解收敛特定串bi处求出优解
基遗传算法
步1 搜索空间U定义适应度函数f(x)定种群规模N交叉率Pc变异率Pm代数T
步2 机产生U中N体s1 s2 … sN组成初始种群S{s1 s2 … sN}置代数计数器t1
步3 计算S中体适应度f()
步4 终止条件满足取S中适应度体作求结果算法结束
步5 选择概率P(xi)决定选中机会次S中机选定1体染色体复制做N次然复制N染色体组成群体S1
步6 交叉率Pc决定参加交叉染色体数cS1中机确定c染色体配进行交叉操作产生新染色体代原染色体群体S2
步7 变异率Pm决定变异次数mS2中机确定m染色体分进行变异操作产生新染色体代原染色体群体S3
步8 群体S3作新代种群S3代St t+1转步3
文香网httpwwwxiangdangnet
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
