进化算法染色体的表示(编码)
候选解构成解空间，也叫表现型空间；将候选解编码成染色体，形成编码空间，也叫基因型空间。
进化算法轮流在这两个空间上进行操作，其中遗传算子工作在编码空间，评价和选择工作在解空间。
Coding space
(genotype space)
Solution space
(phenotype space)
Encoding
Decoding
Genetic
Operations
Evaluation and
Selection
2021-09-24 13:16:04
611KB
1
差分进化算法是一类基于种群的启发式全局搜索技术， 对于实值参数的优化具有较强的鲁棒性． 为了提
高差分进化算法的寻优速度、 克服启发式算法常见的早熟收敛问题， 许多学者对差分进化算法进行改进． 本文综述
差分进化的基本形式及其多种改进形式， 讨论它们的优缺点， 指出下一步的改进方向
2021-09-22 19:51:13
368KB
1
提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。
2021-09-18 16:40:39
230KB
1
未来城市：智慧城市进化之道
未来城市：智慧城市进化之道
未来城市：智慧城市进化之道
未来城市：智慧城市进化之道
2021-09-14 18:25:52
2.49MB
1
一 基本概念
二 基本遗传算法
三 遗传算法应用举例
四 遗传算法的MATLAB求解
五 遗传算法的特点与发展
遗传算法的基本思想是：
从一组解的初值开始进行搜索，这组解称为一个种群，种群由一定数量、通过基因编码的个体组成，其中每一个个体称为染色体。不同个体通过染色体的复制、交叉和变异又生成新的个体，依照适者生存的规则，个体也在一代一代进化，通过若干代的进化最终得出条件最优的个体。
个体与种群
个体就是模拟生物个体而对问题中的对象
（一般就是问题的解）的一种称呼，一个个
体也就是搜索空间中的一个点。
种群(population)就是模拟生物种群而由若
干个体组成的群体, 它一般是整个搜索空间
的一个很小的子集。
2021-09-14 18:08:41
780KB
有关更多信息，请参阅以下链接： http://yarpiz.com/64/ypml101-evolutionary-clustering
2021-09-14 14:35:34
21KB
1