遗传算法的术语
健身功能
的适应度函数是你想要的功能优化。对于标准的优化算法,这被称为目标函数。工具箱软件试图找到最低的适应度函数。
写文件或匿名函数适应度函数,并将它作为一个函数处理输入参数传递给主要的遗传算法函数。
个人
一个个人是任何时候,您可以应用健身功能。个体的适应度函数的值是它的分数。例如,如果适应度函数
向量(2、3、1),其长度为变量的数量问题,是一个独立的个体。个人的分数(2、3、1)f(2、3、1)= 51。
一个人有时被称为一个基因组和个人的向量条目基因。
人口和代
一个人口个人是一个数组。例如,如果规模的人口是100,适应度函数中变量的数量是3,你代表的人口由100 - 3矩阵。同一个人可以在人口出现不止一次。例如,个人(2、3、1)可以出现在一行以上的数组。
在每个迭代中,遗传算法执行的一系列计算当前人口产生一个新的人口。每个连续的人口被称为一个新的一代。
多样性
多样性是指在人群中个体之间的平均距离。人口具有较高的多样性如果平均距离很大;否则多样性较低。在下图中,左边的人口具有较高的多样性,而右边的人口多样性较低。
多样性遗传算法是至关重要的,因为它允许算法搜索更大区域的空间。
健身价值和最好的健身价值
的健身价值个人的个体的适应度函数的值。因为工具箱软件找到适应度函数的最小值,最好的人口健康值是最小的为任何个人健身价值。
父母和孩子
创建下一代遗传算法选择了特定的个体在当前人口父母,并使用它们来创建下一代个体,称为孩子们。通常情况下,该算法更有可能选择父母,有更好的健身价值。
