《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:组成染色体的不可分割的构建块。经典的基因包含0或1。
  • 染色体:染色体是一串基因。染色体定义了一个特定的候选解。用二进制编码一个典型的染色体可能包含 “01101011”这样的内容。
  • 变异:一个过程,其中候选解中的基因被随机改变,以创建新的性状。
  • 交叉:其中染色体被组合以创建新的候选解决方案的方法。这有时称为重组。
  • 选择:这是选择的候选解,繁殖下一代解的技术。
  • 适应度:一个评分,衡量候选解适合给定问题的程度。
时间: 2024-12-29 14:34:30

《Java遗传算法编程》—— 1.6 基本术语的相关文章

《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》—— 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》—— 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》—— 2.4 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》—— 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》—— 2.2 基本遗传算法的伪代码

2.2 基本遗传算法的伪代码 基本遗传算法的伪代码如下: 1: generation = 0; 2: population[generation] = initializePopulation(populationSize); 3: evaluatePopulation(population[generation]); 3: While isTerminationConditionMet() == false do 4: parents = selectParents(population[ge

《Java遗传算法编程》—— 1.9 基因表示

1.9 基因表示 除了这些参数,影响遗传算法表现的另一个因素是所用的基因表示.这是遗传信息在染色体内的编码方式.更好的表示会让解的编码方式既表现力强,又容易进化.Holland(1975)的遗传算法是基于二进制基因表示.他建议染色体用含有0和1的序列.这种二进制表示可能是目前最简单的编码,但对于很多问题表现力不是很够,不是合适的首选.请考虑一个例子,用二进制表示来编码一个整数,它将被优化,用于某函数.在这个例子中,"000"代表0,而"111"代表7,就像通常二进制

《Java遗传算法编程》—— 2.10 练习

2.10 练习 1.运行遗传算法几次,观察进化过程的随机性.它通常需要多少代来找到这个问题的一个解? 2.扩大和减小种群规模.减小种群规模如何影响算法的速度?它是否也影响找到一个解需要的世代数?扩大种群规模如何影响算法的速度?它如何影响找到一个解需要的世代数? 3.将变异率设置为0.这将如何影响遗传算法寻找解的能力?使用高变异率,如何影响算法? 4.使用低交叉率.低交叉率下,算法表现如何? 5.尝试用较短及较长的染色体,减少和增加问题的复杂性.在处理更短或更长的染色体时,不同的参数是否工作得更好