遗传算法求最值问题

目录

人工智能第三次实验报告

遗传算法求最值问题

一 、遗传算法

1.1 遗传算法简介

1.2 遗传算法基本要素

4. 设定遗传操作：

1.3 遗传算法一般步骤

二 、程序说明

2.1 控制参数

2.2 编码规则

2.3 选择初始群体

2.4 适应度函数

三 、参数测试

四 、算法改进

4.1 最佳个体保存

4.2 双倍体遗传

附 录

1 import numpy as np

14 def F(x, y): # 问题函数

一 、遗传算法

1.1 遗传算法简介

遗传算法是一种进化算法，基于自然选择和生物遗传等生物进化机制的一种搜索算法，其通过选    择、重组和变异三种操作实现优化问题的求解。它的本质是从原问题的一组解出发改进到另一组较好的 解，再从这组改进的解出发进一步改进。在搜索过程中，它利用结构和随机的信息，是满足目标的决策 获得最大的生存可能，是一种概率型算法。

遗传算法主要借用生物中“适者生存”的原则，在遗传算法中，染色体对应的是数据或数组，通常由 一维的串结构数据来表示。串上的各个位置对应一个基因座，而各个位置上所取的值对等位基因。遗传 算法处理的是基因型个体，一定数量的个体组成了群体。群体的规模就是个体的数目。不同个体对环境 的适应度不同，适应度打的个体被选择进行遗传操作产生新个体。每次选择两个染色体进行产生一组新 染色体，染色体也可能发生变异，得到下一代群体。