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!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?
19
A
回答
30
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:)
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
6
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。
3
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!)。
相关问题
- 1. 遗传算法的自适应变异/交叉率
- 2. 遗传算法的概率分布编码
- 3. 概率计算
- 4. 遗传算法和细胞遗传算法有什么区别
- 5. 概率的计算
- 6. 交叉熵和遗传算法有什么区别?
- 7. 概率算法
- 8. 遗传算法:交叉0-1背包
- 9. 遗传算法 - 交叉和突变无法正常工作
- 10. 计算累计概率
- 11. 计算事件的概率
- 12. 在遗传编程中实现交叉
- 13. 我在遗传神经网络中发生了什么变异和交叉?
- 14. 允许在遗传算法交叉不兼容的变化
- 15. 计算概率,并在Excel
- 16. 更好的计算概率的方法?
- 17. 的遗传算法
- 18. 概率和频率
- 19. Matlab - 五个设计变量的概率
- 20. 概率包似乎计算错误条件概率?
- 21. 设计一个概率表
- 22. 遗传算法库
- 23. DEAP遗传算法
- 24. 结果概率算法
- 25. 比较遗传程序设计性能
- 26. 线性遗传程序设计内含子检测算法
- 27. Python中的概率计数
- 28. 概率和最短路径算法
- 29. 非线性概率的线性概率
- 30. 高效的遗传算法
雷迪,这是功课吗? – Kiril 2010-05-20 21:41:26
不!我正在使用java中的遗传算法来解决网络分区问题。我有点困惑什么交叉概率意味着什么?我找不到任何解释交叉概率的文章。我试图寻求已经实施它的人的帮助! – Reddy 2010-05-20 22:23:52
http://en.wikipedia。org/wiki/Genetic_algorithm链接了两者的解释。 – Amber 2010-05-20 21:17:47