遺傳算法，雜交概率是什么？

交叉分?jǐn)?shù)是指從所有當(dāng)前親本中選擇一定數(shù)量的親本進(jìn)行雜交。

如果雜交概率為0.8，群體數(shù)為100，則選擇100*0.880個(gè)親本進(jìn)行雜交。這個(gè)值可以隨意調(diào)整，直到滿意為止。

遺傳育種的主要方法？

遺傳育種

菌種改良是利用遺傳學(xué)原理和技術(shù)，對(duì)具有特定生產(chǎn)目的的菌種進(jìn)行改造，去除不良性狀，添加有益的新性狀，從而獲得所需的高產(chǎn)、優(yōu)質(zhì)、低耗的菌種，提高產(chǎn)品產(chǎn)量和質(zhì)量的育種方法，其目的是改良菌種的特性，使之滿足工業(yè)化生產(chǎn)的要求。

遺傳算法二進(jìn)制編碼問題：二進(jìn)制編碼的位數(shù)是如何確定的？

試試這個(gè)公式，用于解碼。至于你說的位數(shù)，我可以舉個(gè)例子。比如[0，1]，千分之一的精度相當(dāng)于離散1000個(gè)點(diǎn)，2的10次方是1024，2的9次方是512。這時(shí)候你可以取10位數(shù)，把二進(jìn)制中1001點(diǎn)的變化全部包。

遺傳算法適應(yīng)度計(jì)算？

適合度計(jì)算是評(píng)估個(gè)人適應(yīng)環(huán)境的能力，這在選擇操作中經(jīng)常用到。它的選取是否恰當(dāng)直接影響到遺傳算法的性能，因此形成了許多適應(yīng)度計(jì)算函數(shù)。改進(jìn)這些適應(yīng)度函數(shù)的目的是使適應(yīng)度更好地反映個(gè)體的優(yōu)劣，從而淘汰適應(yīng)度低的個(gè)體，保留適應(yīng)度高的個(gè)體。自適應(yīng)適應(yīng)度函數(shù)可以隨著種群代數(shù)的增加而自適應(yīng)調(diào)整。

在算法初始階段，適應(yīng)度差異較大。為了防止一些適應(yīng)度不好的個(gè)體一開始就輸了，可以通過改變適應(yīng)度函數(shù)來保存。另外，當(dāng)種群趨于收斂時(shí)，適應(yīng)度差異很小。此時(shí)為了加快收斂，要調(diào)整適應(yīng)度，增加個(gè)體適應(yīng)度差異，以便更快地收斂到全局最優(yōu)解。常用的適應(yīng)度變換方法有線性變換、冪函數(shù)變換和指數(shù)變換。

為什么要用遺傳算法？

遺傳算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用。從神經(jīng)網(wǎng)絡(luò)研究的角度來看，最受關(guān)注的是遺傳算法在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用。

在遺傳算法的應(yīng)用中，首先要明確它的特點(diǎn)和關(guān)鍵問題，這樣才能深入理解這種算法，靈活應(yīng)用，進(jìn)一步研究和發(fā)展。一、遺傳算法的特點(diǎn)

1.遺傳算法是從問題解的中間集合出發(fā)，而不是從單個(gè)解出發(fā)。這是遺傳算法與傳統(tǒng)優(yōu)化算法的一個(gè)巨大區(qū)別。傳統(tǒng)的優(yōu)化算法從單個(gè)初始值迭代尋找最優(yōu)解；很容易陷入局部最優(yōu)解。遺傳算法從字符串集合出發(fā)，覆蓋面大，有利于全局優(yōu)化。

2.遺傳算法很容易形成一個(gè)通用的算法程序，因?yàn)樗褂玫年P(guān)于具體問題的信息很少。因?yàn)檫z傳算法利用適應(yīng)度值的信息進(jìn)行搜索，所以不是必須的。問題的衍生信息以及與問題直接相關(guān)的其他信息。遺傳算法只需要適應(yīng)數(shù)值、字符串編碼等一般信息，因此幾乎可以處理任何問題。

3.遺傳算法具有很強(qiáng)的容錯(cuò)性。遺傳算法的初始串集本身就包含了大量遠(yuǎn)離最優(yōu)解的信息。通過選擇、交叉和變異操作，可以快速消除與最優(yōu)解相差很大的字符串。這是一個(gè)強(qiáng)過濾過程；它是一種并行過濾機(jī)制。因此，遺傳算法具有很高的容錯(cuò)性。

4.遺傳算法中的選擇、交叉和變異都是隨機(jī)操作，沒有確定的精確規(guī)則。這說明遺傳算法采用隨機(jī)方法搜索最優(yōu)解，選擇體現(xiàn)了接近最優(yōu)解，交叉體現(xiàn)了生成最優(yōu)解，變異體現(xiàn)了覆蓋全局最優(yōu)解。

5.遺傳算法具有隱式并行性。