什么是遗传算法或遗传程序设计中的交叉概率和变异概率？

Question

什么是交叉概率&遗传算法或遗传程序设计中的突变概率？有人可以从实施的角度解释他们！

Answer 1

突变概率（或比率）基本上是您的染色体随机元素将被翻转到其他东西的相似性的度量。例如，如果您的染色体编码为长度为100的二进制串（如果您有1％的突变概率），则意味着随机选取的100个位（平均值）中的1个将被翻转。

交叉基本上模拟性遗传重组（在人类繁殖中），并且有许多方法通常在遗传算法中实现。有时交叉在GA中适度适用（因为它破坏了对称性，这并不总是好的，而且你也可能失明），所以我们谈论交叉概率，以指示将选择多少对夫妇交配的比率（他们通常是按照选择标准挑选的 - 但这是另一回事）。

这是一个简短的故事 - 如果你想要一个很长的故事，你需要付出努力并且按照Amber发布的链接。或者做一些谷歌上搜索 - 这我最后一次检查仍然是一个不错的选择太:)

Answer 2

这里可能是这两个概率一点很好解释：

http://www.optiwater.com/optiga/ga.html

Johnldol对变异概率的回答是完全该网站的意思是：

“通过生成一个介于0和1之间的随机数检查每个染色体中的每个位的可能的突变，并且如果这个数小于或等于给定的突变概率，例如0.001，则该位价值改变了。“

对于交叉概率，也许是交叉操作产生的下一代人口的比例。虽然其余的人口...也许通过以前的选择 或您可以将其定义为最适合的幸存者

Answer 3

根据Goldberg（遗传算法在搜索，优化和机器学习）交叉的概率是交叉的概率将发生在特定的交配;也就是说，并非所有的交配都必须通过交叉来繁殖，但可以选择Pc = 1.0。

突变的概率是根据JohnIdol。

Answer 4

它显示了在交叉中父母遗传的特征的数量！

注：如果交叉概率为100％，那么所有的后代是由交叉制成。如果它是0％，全新一代是由精确的 拷贝来自老年人群的染色体拷贝（但这并不意味着新一代的 是相同的！）。