遗传算法入门（Genetic Algorithm）

本文为转载，由本人整理打包。

[说明：由于该篇文章字数多且含有不少图片，通过手工在百度博客上发布过于繁琐，费时费力且效果不理想。故在此仅列出部分文字摘要，有兴趣者可通过提供的链接下载已打包好的文章,格式为.mht。]

 

文章下载链接：http://cn.ziddu.com/download.php?uid= a62imZembq6h4palaLKWlJmiaqyclpc%3D8 （验证码区分大小写）

文章内容转载自zzwu的博客：http://blog.csdn.net/zzwu/category/243066.aspx

 

 

第3章 遗传算法（Genetic Algorithm）入门

3.1 鸟和蜜蜂

3.2 二进制数速成

3.3 计算机内的进化

3.3.1 什么是赌轮选择(Roulette Wheel Selection)

3.3.2 什么是杂交率(Crossover Rate)

3.3.3 什么是变异率(Mutation Rate)

3.3.4 咂搞的呀！

3.4 帮助Bob找回家

3.4.1 为染色体编码

3.4.2 Epoch方法

3.4.3 选取参数值

3.4.4 算子函数(Operator Functions)

    3.4.4.1 重温赌轮选择

    3.4.4.2 重温杂交(Crossover)算子

    3.4.4.3 重温变异(Mutation)算子

3.4.5 运行寻路人(Pathfinder)程序

3.5 练习题

 

      生物只有经过许多世代的不断进化（evolution,演化），才能更好地完成生存与繁衍的任务。遗传算法也遵循同样的方式，需要随着时间的推移不断成长、演化，最后才能收敛，得到针对某类特定问题的一个或多个解。因此，了解一些有关有生命的机体如何演化的知识，对理解遗传算法的演化机制是是有帮助的。本章的开始几页将扼要阐述自然演化的机制（通常称为“湿”演化算法），以及与之相关的术语。即使你当年在中学里对生物并不擅长，也无须担心。本章不会涉及到过深的细节，但对于理解自然演化的基本机制已经足够。抛开以上不论，当你读完本章或下一章后，我想，你也会和我一样，深深叹服于自然母亲的令人着迷！