主要内容
什么是遗传算法？
遗传算法是一种解决有约束和无约束优化问题的方法，其基础是自然选择，这是一种推动生物进化的过程。遗传算法反复修改个体解的总体。在每一步，遗传算法从当前问题中随机选择个体人口是父母，并利用他们为下一代生育子女。在连续几代中，人口“进化”朝向最佳解决方案。您可以应用遗传算法来解决各种不适合标准优化算法的优化问题，包括目标函数不连续、不可微、随机或高度非线性的问题。遗传算法可以解决以下问题：金宝搏官方网站混合整数规划，其中某些组件被限制为整数值。
遗传算法在每个步骤中使用三种主要类型的规则，从当前人口中创建下一代：
选择规则选择名为父母，为下一代人口做出贡献。
交叉规则将两个父母结合起来为下一代培养孩子。
突变规则将随机更改应用于单个家长以形成孩子。
如下表所示，遗传算法在两个主要方面不同于经典的基于导数的优化算法。
| 经典算法 | 遗传算法 |
|---|---|
在每次迭代中生成一个点。点序列接近最优解。 |
在每次迭代中生成点的总体。种群中的最佳点接近最优解。 |
通过确定性计算选择序列中的下一个点。 |
通过使用随机数生成器的计算选择下一个总体。 |
相关话题
您还可以从以下列表中选择网站：
