【概述】
遗传算法是一种大致基于模拟进化的学习方法
假设通常被描述为二进制位串，也可以是符号表达式或计算机程序
搜索合适的假设从若干初始假设的群体或集合开始
当前群体的成员通过模拟生物进化的方式来产生下一代群体，比如随机变异和交叉
每一步，根据给定的适应度评估当前群体中的假设，而后使用概率方法选出适应度最高的假设作为产生下一代的种子
遗传算法已被成功用于多种学习任务和最优化问题中，比如学习机器人控制的规则集和优化人工神经网络的拓扑结构和学习参数
本章主要介绍了基于位串描述假设的遗传算法和基于计算机程序描述假设的遗传编程
【动机】
遗传算法（GA）是一种受生物进化启发的学习方法，它不再是从一般到特殊或从简单到复杂地搜索假设，而是通过变异和重组当前已知的最好假设来生成后续的假设
每一步，更新被称为当前群体的一组假设，方法是使用当前适应度最高的假设的后代替代群体的某个部分
这个过程形成了假设的生成测试的柱状搜索，其中若干个最佳当前假设的变体最有可能在下一步被考虑
2021-09-14 18:08:41
209KB
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
LDPC算法基础学习，适合刚接触LDPC算法的初学者，包含LDPC编码技术研究与应用、LDPC码编码及译码算法的研究、LDPC码原理与应用等众多资料，看看文件大小就知道值不值得下载！！
2021-09-06 20:21:35
98.27MB
1
青岛大学921数据结构与算法基础真题，考研真题，青岛大学2019年硕士研究生入学考试试题B，学工办辛老师给的
2021-09-01 00:52:32
252KB
1