正文內容

基于遺傳算法的隨機優化搜索(編輯修改稿)

2026-06-07 00:53 本頁面

　

【文章內容簡介】 f (s3) = f(8) = 82 = 64 f (s4) = f(19) = 192 = 361 再計算種群 S1中各個體的選擇概率。 ??? NjjiixfxfxP1)()()(選擇概率的計算公式為由此可求得 P(s1) = P(13) = P(s2) = P(24) = P(s3) = P(8) = P(s4) = P(19) = 賭輪選擇示意 s4 s2 s1 ● 賭輪選擇法在算法中賭輪選擇法可用下面的子過程來模擬 : ① 在［ 0, 1］區間內產生一個均勻分布的隨機數 r。 ② 若 r≤q1,則染色體 x1被選中。 ③ 若 qk1r≤qk(2≤k≤N), 則染色體 xk被選中。其中的 qi稱為染色體 xi (i=1, 2, … , n)的積累概率 , 其計算公式為 ???ijji xPq1)(選擇復制設從區間［ 0, 1］中產生 4個隨機數如下 : r1 = , r2 = r3 = , r4 = 染色體適應度選擇概率積累概率選中次數 s1=01101 169 1 s2=11000 576 2 s3=01000 64 0 s4=10011 361 1 于是，經復制得群體： s1’ =11000（ 24） , s2’ =01101（ 13） s3’ =11000（ 24） , s4’ =10011（ 19）交叉設交叉率 pc=100%，即 S1中的全體染色體都參加交叉運算。設 s1’與 s2’配對， s3’與 s4’配對。分別交換后兩位基因，得新染色體： s1’’=11001（ 25） , s2’’=01100（ 12） s3’’=11011（ 27） , s4’’=10000（ 16）變異設變異率 pm=。這樣，群體 S1中共有 5 4 = 位基因可以變異。 1位，所以本輪遺傳操作不做變異。于是，得到第二代種群 S2： s1=11001（ 25） , s2=01100（ 12） s3=11011（ 27） , s4=10000（ 16）第二代種群 S2中各染色體的情況染色體適應度選擇概率積累概率估計的選中次數 s1=11001 625 1 s2=01100 144 0 s3=11011 729 2 s4=100

點擊復制文檔內容

環評公示相關推薦

基于遺傳算法的隨機優化搜索(編輯修改稿)

數學建模遺傳算法與優化問題-資料下載頁

畢業設計-基于遺傳算法的pid控制器參數優化-資料下載頁

關于基于遺傳算法的物流配送路徑優化分析-資料下載頁

基于遺傳算法的tsp路徑規劃算法設計-資料下載頁

機器學習：遺傳算法-資料下載頁

蟻群算法論文：基于蟻群遺傳算法的實驗教學排課優化策略-資料下載頁

遺傳算法的改進ppt課件-資料下載頁

基于遺傳算法的車輛路徑問題研究-資料下載頁

遺傳算法實驗一-資料下載頁

遺傳算法簡述ppt課件-資料下載頁

遺傳算法ppt課件(2)-資料下載頁

軟件工程畢業設計-基于云遺傳算法的函數優化設計-資料下載頁

軟件工程畢業設計-基于云遺傳算法的函數優化設計-資料下載頁

遺傳算法及優化問題重要有代碼-資料下載頁

遺傳算法課件ppt-資料下載頁

基于遺傳算法的隨機優化搜索-閱讀頁

基于遺傳算法的隨機優化搜索(文件)

基于遺傳算法的隨機優化搜索-全文預覽

基于遺傳算法的隨機優化搜索-預覽頁

基于遺傳算法的隨機優化搜索-免費閱讀