1樓：牛得天下
我理解的是，在50個人中，隨機選擇兩組人，每組10個人，對於每組的10個人按適應度進行排列，選擇兩組中適應度最好的兩個個體作為母代進行兩兩交叉；
然後再從剩下來的48個人中，隨機選擇兩組人，每組10個人，對於每組的10個人按適應度進行排列，選擇兩組中適應度最好的兩個個體作為母代進行兩兩交叉；
依此類推，知道你選出的母代個數滿足你的要求，這裡母代個數肯定是少於50的。
2樓：匿名使用者
出自遺傳演算法中的遺傳操作中的選擇操作中 是它的一種方法；具體有關遺傳是**中講述的比較清楚 可查閱。
3樓：求欣初晴雪
錦標賽法是選擇操作的一種方法。
假設種群規模為n，該法的步驟為：
1.隨機產生n個個體作為第一代（其實這步準確的說不是屬於選擇操作的，但每個運算元並沒有絕對的界限，這個是在選擇操作之前的必做之事）
2.從這n個個體中隨機（注意是隨機）選擇k（k3.從這k個個體中選擇最大的一個個體（涉及到排序的方法），作為下一代n個個體中的一個個體
4.重複2-4步，至得到新的n個個體
5.進行這新的n個個體之間的交叉操作
不論是二進位制還是十進位制，方法都是一樣的
遺傳演算法用錦標賽選擇的話，適應度函式可以當做目標函式嗎 5
4樓：匿名使用者
其實適應度函式的根本是目標函式的函式，理解了這一點，我們就會知道目標函式可以做適應度函式，此時目標函式的函式選取的是恆等函式而已，所以說適應度函式當目標函式的說法有點問題，應該反過來說就對了
那麼當適應度函式就是目標函式時，得出的結果如果你是指編碼的個體或者染色體的話，是可以作為下一代的母代
多說一句，當我們求某函式的最大值時，如果直接把目標函式作為適應度函式，求出應為最小值（如果存在的話），所以此時我們要把目標函式取反作為適應度函式，再進行優化就可以求得最大值的個體。
遺傳演算法的核心是什麼？！
5樓：江南蜜汁
遺傳復操作的交叉運算元。
在自制然界生物進化過程中起核心作用的是生物遺傳基因的重組(加上變異)。同樣，遺傳演算法中起核心作用的是遺傳操作的交叉運算元。所謂交叉是指把兩個父代個體的部分結構加以替換重組而生成新個體的操作。
通過交叉，遺傳演算法的搜尋能力得以飛躍提高。
交叉運算元根據交叉率將種群中的兩個個體隨機地交換某些基因，能夠產生新的基因組合，期望將有益基因組合在一起。
擴充套件資料
評估編碼策略常採用以下3個規範：
a)完備性(completeness):問題空間中的所有點(候選解)都能作為ga空間中的點(染色體)表現。
b)健全性(soundness): ga空間中的染色體能對應所有問題空間中的候選解。
c)非冗餘性(nonredundancy):染色體和候選解一一對應。
目前的幾種常用的編碼技術有二進位制編碼，浮點數編碼，字元編碼，變成編碼等。
而二進位制編碼是目前遺傳演算法中最常用的編碼方法。即是由二進位制字符集產生通常的0,1字串來表示問題空間的候選解。
6樓：萊特資訊科技****
遺傳演算法是模擬自然界中按「優勝劣汰」法則進行進化過程而設計的演算法。
專bagley和rosengerg於屬2023年在他們的博士**中首先提出了遺傳演算法的概念。2023年holland出版的專著奠定了遺傳演算法的理論基礎。如今遺傳演算法不但給出了清晰的演算法描述，而且也建立了一些定量分析的結果，在眾多領域得到了廣泛的應用，如用於控制(煤氣管道的控制)、規劃(生產任務規劃)、設計(通訊網路設計)、組合優化(tsp問題、揹包問題)以及影象處理和訊號處理等。
7樓：匿名使用者
遺傳演算法有許多的重抄點難點，比如說進化模型搭建。需要依靠遺傳演算法進行模型設計，程式設計與模型設計存在難度。行為模型搭建。
求偶路徑的設計較為困難。互動功能實現。遊戲使用者與主體的互動功能與進化模型相結合難度大。
設計需求量非常之巨大，一般需要團隊協作才能完成。各部分設計數量大，時間耗費長。資料結構複雜。
基因化作數值進行儲存但結構複雜。
遺傳演算法中為什麼要有選擇操作
8樓：匿名使用者
遺傳演算法就是模擬現實生物進化的過程
理想情況當然是種群中適應度最強的個體進行交配最有可能產生更優的後代,但通常的模擬過程都是不完美的
就拿人來舉個例子,理想情況是：最強man ＋ 最強woman －> 最強後代
但不能保證最強man就一定能搞上最強woman,這不僅是個概率問題,而且視你的選擇策略,依據也是不同的,假如按適應度來選擇,最強man是第二強man的2倍,反過來看就是第二強man也是有概率獲得最強woman的,這個過程就需要模擬了
遺傳演算法工具箱的具體使用
matlab遺傳演算法工具箱函式及例項講解 核心函636f707962616964757a686964616f31333332623934數 1 function pop initializega num,bounds,eevalfn,eevalops,options 初始種群的生成函式 輸出引數 ...
在matlab裡面GA遺傳演算法工具箱中怎麼找到多個區域性最優解，我現在只能找到全域性最優解
這個需要根據引數設定來進行的，引數設定合理就可以得到全域性最優解，反之，可能得到區域性最優解 用matlab優化工具箱自帶的遺傳演算法 只能找到近似最優解 時，往往重複計算很多次都不能得到最優解 要想得到較精確的最優解，可以通過設定function tolerance的誤差值，constraint ...
遺傳演算法中常用的適應度函式是什麼呢
1.物競 適應度函式 fitness function 自然界生物競爭過程往往包含兩個方面 生物相互間的搏鬥與及生物與客觀環境的搏鬥過程。但在我們這個例項裡面，你可以想象到，袋鼠相互之間是非常友好的，它們並不需要互相搏鬥以爭取生存的權利。它們的生死存亡更多是取決於你的判斷。因為你要衡量哪隻袋鼠該殺，...