遗传算法的基本概念和实现（附 Java 实现案例）

fittest = individuals[maxFit].fitness;

如上图（左）所示，遗传算法当个别由多条染色体构成，每条染色体由多个基因构成。上图（右）展示了染色体瓜分和组合方法。

天然选择的概念

天然选择的过程大年夜选择群体中最适应情况的个别开端。后代持续了父母的特点，并且这些特点将添加到下一代中。如不雅父母具有更好的适应性，那么它们的后代将更易于存活。迭代地进行该天然选择的过程，最终，我们将获得由最适应情况的个别构成的一代。

章一ㄅ念可以被应用于搜刮问题中。我们推敲一个问题的诸多解决筹划，并大年夜中搜寻出最佳筹划。

遗传算法含以下五步：

初始化
个别评价（盘吮善?度函数）
选择运算
交财气算
变异运算

初始化

个别以一组参数（变量）为特点，这些特点被称为基因，串联这些基因就可以构成染色体（问题的解）。

return individuals[maxFit];

在遗传算法中，单个个别的基因组以字符串的方法出现，平日我们可以应用二进制（1 和 0 的字符串）编码，即一个二进制串代表一条染色体串。是以可以说我们将基因串或候选解的特点编码在染色体中。

种群、染色体和基因

个别评价（盘吮善?度函数）

选择运算的目标是选出适应性最好的个别，并使它们将基因传到下一代中。基于其适应度评分，我们选择多对较优个别（父母）。适应度高的个别更易被选中滋长，即将较优父母的基因传递到下一代。

交财气算

交财气算是遗传算法中最重要的阶段。对每一对配对的父母，基因都存在随机选中的交叉点。

举个例子，下图的交叉点为 3。

class Population {

父母间在交叉点之前交换基因，大年夜而产生了后代。

父母间交换基因，然后产生的新后代被添加到种群中。

变异运算

在某些形成的新后代中，它们的某些基因可能受到低概率变异因子的感化。这意味着二进制位串中的某些位可能会翻转。

变异运算前后

变异运算可用于保持种群内的多样性，并防止过早收敛。

终止

在群体收敛的情况下（群体内不产生与前一代差别较大年夜的后代）该算法终止。也就是说遗传算法供给了一组问题的解。
案例实现

这一迭代过程的伪代码：

START
Generate the initial population
Compute fitness
REPEAT

个别评价应颖善?度函数评估了该个别对情况的适应度（与其它个别竞争的才能）。每一个别都有适应度评分，个别被选中进行滋长的可能性取决于其适应度评分。适应度函数值袈浣大年夜，解的质量就越高。适应度函数是遗传算法进化的驱动力，也是进行天然选择的独一标准，它的设计应结合求解问题本身的请求而定。

选择运算

Selection
Crossover
Mutation
Compute fitness
UNTIL population has converged
STOP

Java 中的示例实现

}

以下展示的是遗传算法在 Java 中的示例实现，我们可以随便调试和修改┞封些代码。给定一组五个基因，每一个基因可以保存一个二进制值 0 或 1。这里的适应度是基因组中 1 的数量。如不雅基因组内共有五个 1，则该个别适应度达到最大年夜值。如不雅基因组内没有 1，那么个别的适应度达到最小值。该遗传算法欲望最大年夜化适应度，并供给适应度达到最大年夜的个别所构成的群体。留意：本例中，在交财气算与突变运算之后，适应度最低的个别被新的，适应度最高的后代所替代。

import java.util.Random;
                demo.mutation();

 *
 * @author Vijini
 */

//Main class
public class SimpleDemoGA {

    Population population = new Population();
    Individual fittest;
    Individual secondFittest;
    int generationCount = 0;

    public static void main(String[] args) {

        Random rn = new Random();
        
        SimpleDemoGA demo = new SimpleDemoGA();
        
        //Initialize population
        
        //Calculate fitness of each individual
        demo.population.calculateFitness();
        
        System.out.println("Generation: " + demo.generationCount + " Fittest: " + demo.population.fittest);

        //While population gets an individual with maximum fitness
        while (demo.population.fittest < 5) {
            ++demo.generationCount;	
			 1/3    1 2 3 下一页 尾页	
			

　　推荐阅读
　　如何理解并正确使用MySql索引
            
            1、概述索引是存储引擎用于快速查找记录的一种数据构造，经由过程合理的应用数据库索引可以大年夜大年夜进步体系的拜访机能，接下来重要介绍在MySql数据库中索引类型，以及若何创建出加倍>>>详细阅读


本文标题：遗传算法的基本概念和实现（附 Java 实现案例）
地址：http://www.17bianji.com/lsqh/36176.html
 1/2    1