📜  简单遗传算法 (SGA)

📅  最后修改于: 2022-05-13 01:58:09.150000             🧑  作者: Mango

简单遗传算法 (SGA)

先决条件 -遗传算法

介绍 :

简单遗传算法(SGA)是遗传算法遵循的三种策略之一。

  1. SGA 从创建大小为 N 的初始种群开始。
  2. 然后,我们评估每个解决方案/个体的优度/适应度。

之后,检查收敛标准,如果满足则收敛算法,否则进行下一步 -

  1. 从之前的种群中选择 Np 个个体。
  2. 随机创建交配池。
  3. 执行交叉。
  4. 在后代解决方案中执行突变。
  5. 在后代解决方案中执行反演。
  6. 用新创建的解决方案替换上一代的旧解决方案并转到步骤 (2)。

简单遗传算法框图

解决简单遗传算法问题时的重要参数:



  1. 初始种群 N
  2. 交配池大小 Np
  3. 收敛阈值
  4. 交叉
  5. 突变
  6. 反演

特征 :

  • 计算成本高
  • 偏向于更健康的个体
  • 当初始种群足够大时表现良好。

应用:

  • 使用简单遗传算法学习机器人行为。
  • 在金融行业。
  • 神经网络。
  • 软计算 模糊逻辑、神经计算等应用。
  • 优化问题。