《Java遗传算法编程》—— 2.6 交叉方法

2.6 交叉方法

在交叉过程中,除了用不同的选择方法,还有可用不同的方法在两个个体之间交换遗传信息。不同的问题具有不太一样的特点,采用特定的交叉方法更好。例如,“全一”问题只要求完全由1构成的字符串。字符串“00111”与字符串“10101”具有相同的适应度值,因为它们都包含3个1。对于这种类型的遗传算法,情况并非总是如此。设想我们试图创建一个字符串,它按顺序列出数字1到5。在这种情况下,字符串“12345”与“52431”的适应度值非常不同。这是因为我们不只是寻求正确的数字,也寻求正确的顺序。对于这样的问题,适合采用考虑基因顺序的交叉方法。

我们在这里实现的交叉方法是均匀交叉(uniform crossover)。在这种方法中,后代的每个基因都有50%的机会来自第一个亲代或其第二个亲代,如图2-2所示。

时间: 2024-10-25 22:53:38

《Java遗传算法编程》—— 2.6 交叉方法的相关文章

《Java遗传算法编程》—— 第2章 实现一个基本遗传算法 2.1 实现之前

第2章 实现一个基本遗传算法 Java遗传算法编程 在本章中,我们将开始探索实现基本遗传算法的技术.本章开发的程序,将在后面的章节中进行修改,加入功能.同时,我们也将探讨基于遗传算法的参数和配置,以及它的性能会如何变化. 要尝试运行本节中的代码,需要先在计算机上安装Java JDK.你可以从Oracle的网站上免费下载并安装Java JDK: oracle.com/technetwork/java/javase/downloads/index.html 除了安装Java JDK,你也可以选择安装

《Java遗传算法编程》—— 第1章 简介 1.1 什么是人工智能

第1章 简介 Java遗传算法编程 数字计算机和信息时代的崛起,已经彻底改变了现代的生活方式.数字计算机的发明,使我们能够让生活的许多领域数字化.这种数字化让我们将许多繁琐的日常任务外包给计算机,而这些任务以前可能需要人来完成.这方面的一个日常例子是字处理应用程序,它们内置拼写检查功能,可以自动检查文档的拼写和语法错误. 随着计算机变得越来越快,计算能力越来越强,我们已经能够用它们来执行越来越复杂的任务,如理解人类语言,甚至比较准确地预测天气.这种不断的创新,让我们能够将越来越多的任务外包给计算

《Java遗传算法编程》—— 2.8 交叉实现

2.8 交叉实现 为了实现轮盘赌选择,在GeneticAlgorithm类的任意位置增加一个selectParent( )方法. public Individual selectParent(Population population) { // Get individuals Individual individuals[] = population.getIndividuals(); // Spin roulette wheel double populationFitness = popu

《Java遗传算法编程》—— 导读

目录 第1章 简介1.1 什么是人工智能1.2 生物学类比1.3 进化计算的历史1.4 进化计算的优势1.5 生物进化1.6 基本术语1.7 搜索空间1.8 参数1.9 基因表示1.10 终止1.11 搜索过程1.12 参考文献 第2章 实现一个基本遗传算法2.1 实现之前2.2 基本遗传算法的伪代码2.3 关于本书的代码示例2.4 基本实现2.5 轮盘赌选择2.6 交叉方法2.7 交叉伪代码2.8 交叉实现2.9 小结2.10 练习 第3章 机器人控制器 第4章 旅行商 第5章 排课 第6章

《Java遗传算法编程》—— 2.3 关于本书的代码示例

2.3 关于本书的代码示例 本书中的每一章都作为一个包,放在附带的Eclipse项目中.每个包都至少有4个类. GeneticAlgorithm类,它抽象了遗传算法本身,为接口方法提供了针对问题的实现,如交叉.变异.适应度评估和终止条件检查. Individual类,它表示单个候选解及其染色体. Population类,它表示一个种群或个体的一个世代,并对它们应用群组级别的操作. 包含main方法的类,包括一些引导代码,前面伪代码的具体版本,以及具体问题可能需要的任何辅助工作.这些类根据它解决的

《Java遗传算法编程》—— 2.7 交叉伪代码

2.7 交叉伪代码 既然有了选择和交叉的方法,让我们来看一些伪代码,其中概述了要实现的交叉过程. 1: For each individual in population: 2: newPopulation = new array; 2: If crossoverRate > random(): 3: secondParent = selectParent(); 4: offspring = crossover(individual, secondParent); 5: newPopulatio

《Java遗传算法编程》—— 2.4 基本实现

2.4 基本实现 为了消除所有不必要的细节,保持最初的实现容易尝试,本书中介绍的第一个遗传算法将是简单的二进制遗传算法. 二进制遗传算法比较容易实现,对于解决许多种优化问题,它可能是非常有效的工具.你可能还记得第1章提到,二进制遗传算法是由Holland(1975)提出的原创的遗传算法. 2.4.1 问题 首先,让我们回顾一下"全一"问题,它是可以用二进制遗传算法来解决的一个非常基本的问题. 该问题不是很有趣,但作为一个简单的问题,它的作用是强调所涉及的基本技术.顾名思义,该问题就是发

《Java遗传算法编程》—— 1.3 进化计算的历史

1.3 进化计算的历史 20世纪50年代,进化计算首次作为一种优化工具被尝试,当时的计算机科学家将达尔文的生物进化论思想应用于候选解构成的种群.他们建立理论,认为有可能应用进化算子,如交叉(它是生物繁殖的模拟)和变异(这是新的遗传信息添加到基因组中的过程).这些算子和选择压力共同作用,让遗传算法在一段时间后,能够"进化"出新的解. 在20世纪60年代,"进化策略"(应用自然选择和进化思想的一种优化技术)最初由Rechenberg(1965,1973)提出,他的想法后

《Java遗传算法编程》—— 1.6 基本术语

1.6 基本术语 遗传算法建立在生物进化的概念上,因此,如果你熟悉进化的术语,可能在学习遗传算法时会发现术语有所重叠.这种领域间的相似性是当然的,因为进化算法,确切来说是遗传算法,类似于自然界中发现的过程. 术语 在更深入遗传算法领域之前,我们先了解一些基本的语言和术语,这很重要.随着本书的推进,我们会根据需要引入更复杂的术语.下面是一些较常见的术语的列表,可供参考. 种群:这就是一个候选解集合,可以有变异和交叉这样的遗传操作应用于它们. 候选解:给定问题的一个可能的解. 基因:组成染色体的不可