主要内容
什么是遗传算法？
遗传算法是解决基于自然选择的受限和无约束优化问题的方法，该过程驱动生物进化的过程。遗传算法反复修改各个解决方案的群体。万博 尤文图斯在每个步骤中，遗传算法从当前人口随机选择各个父母，并使用它们来生产下一代的儿童。连续几代人，人口“演变”朝向最佳解决方案。您可以应用遗传算法来解决不太适用于标准优化算法的各种优化问题，包括目标函数是不连续的，非增强的，随机或高度非线性的问题。遗传算法可以解决问题混合整数编程，其中一些组件仅限于整数值。
遗传算法在每个步骤中使用三种主要类型的规则来创建来自当前群体的下一代：
选择规则选择个人，调用父母，这有助于下一代人口。
交叉规则结合两个父母，形成下一代的孩子。
突变规则将随机更改应用于单个父母以形成儿童。
遗传算法以两种主要方式不同于经典，衍生的，优化的算法，如下表所示。
| 古典算法 | 遗传算法 |
|---|---|
在每次迭代时生成单点。点序列接近最佳解决方案。 |
在每次迭代时生成一群点。人口中最好的点接近最佳解决方案。 |
通过确定性计算选择序列中的下一个点。 |
通过计算使用随机数发生器的计算选择下一个人口。 |
相关话题
您还可以从以下列表中选择一个网站：
