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。
- SGA 从创建大小为 N 的初始种群开始。
- 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 -
- 从之前的种群中选择 Np 个个体。
- 随机创建交配池。
- 执行交叉。
- 在后代解决方案中执行突变。
- 在后代解决方案中执行反演。
- 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)。
解决简单遗传算法问题时的重要参数:
- 初始种群 N
- 交配池大小 Np
- 收敛阈值
- 交叉
- 突变
- 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。