机器学习-进化计算

机器学习第9章 进化计算

章节介绍?

进化计算包括遗传算法、进化策略和基因编程。进化计算是受进化生物学启发而发展起来的计算模型，其实现过程基于达尔文的生物进化原理，将现实问题转化为基因染色体表示，通过染色体操作，逐步逼近最优解。本章主要是介绍遗传算法的概念、实现方法等基础知识，结合实例对蚁群算法和蜂群算法做出介绍。

章节结构?遗传算法的基础

–基因重组与基因突变–遗传算法实现技术–遗传算法应用案例

??

蚁群算法

–蚁群算法应用案例

蜂群算法简介

遗传算法的基础?

遗传算法是进化计算的一个分支，是一种模拟自然界生物进化过程的随机搜索算法。遗传算法首先对问题进行编码，然后随机初始化种群，每个个体对应一个编码。通过适应度函数以及选择函数来进行对个体的淘汰，保留优良个体基因，产生新的子代。?遗传算法中有一些基本概念：

选择算子：根据适应值把个体按比例进行淘汰，从而提高群体的适应值。

交叉算子：种群中随机选择两个个体，交换染色体部分编码，产生两个新 的子个体。

变异算子：以一个很小的概率随机改变染色体上的某个基因来增加群体的 多样性。

基因重组与基因突变议程?交叉运算可以被分为以下五种情况：

–

––––

单点交叉

两点交叉和多点交叉均匀交叉算术交叉基因突变