香港vps中的遗传算法

　　在今天的教程里面小编为香港vps的使用者带来vps中的遗传算法，不像小编之前为大家提到的EM算法、k-means等算法在很大的程度上依赖于数学计算，今天小编为大家带来的是一种来自于仿生学或者说是生态学里面的算法：遗传算法，顾名思义，遗传算法的概念主要书来自于大自然中普遍存在的生命进化现象。

　　遗传算法是一种在计算机领域中广泛使用的算法，又叫基因进化算法，或进化算法，属于启发式搜索算法一种，遗传算法的主要原理是模拟达尔文的生物进化理论中所提到的自然选择(优胜劣汰，适者生存)，是一种通过模拟自然进化过程从广大的解空间中搜索最优解的方法。遗传算法是将问题可能潜在的解集视为一个种群，而一个种群则由一定数目的个体组成。每个个体实际上是一个染色体。染色体是多个基因的组成的，它决定了个体的外部表现形式，如小麦的有粒或无粒是由染色体中的某种基因组合决定的。我们经常利用二进制编码进行模拟基因组合，初代种群产生由算法随机产生之后，按照适者生存和优胜劣汰的原理，通过对算法的反复迭代逐代演化产生出对于此问题最好的近似解，这个过程将类似于自然进化一样，产生的后生代种群比前代更加适应于环境(也就是更好的适应问题)。

　　遗传算法主要由下面的步骤构成：

　　a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)，同时设置好编码规则。

　　b)个体评价：计算群体P(t)中各个个体的适应度，即计算群体P(t)中每个染色体的适应度f()。

　　c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体(即更加能适应当前所提到的问题的解决方案)直接遗传到下一代(保留优势基因)或通过配对交叉产生新的个体再遗传到下一代(提供最大的变异材料)。

　　d)交叉运算：遗传算法中起核心作用的就是交叉算子，交叉算子使得染色体之间有了变异的能力(交换但是不改变值)。

　　e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

　　遗传算法的优点：

　　1. 与问题领域无关切快速随机的搜索能力。

　　2. 搜索从群体出发，具有潜在的并行性，搜索速度很快，而且算法稳健性好。

　　3. 搜索使用评价函数启发，过程简单。

　　4. 使用概率机制进行迭代，具有随机性(但是并不意味着算法是盲目的)。

　　香港vps中的遗传算法小编就带领大家介绍到这里了，希望大家对遗传算法有了一个更加深入的了解。

　　如果您还有什么不明确或者是不懂的地方，欢迎来新世界主机咨询了解，详情请咨询Skype:vpssj.net@hotmail.com TEL: 400 1109 210。我们必将竭诚为您服务。