遗传算法中的选择操作

锦标赛选择（Tournament Selection）
每次从种群中取一定数量（n）的个体(放回抽样)，选择其中适应度较好的进入子代种群。重复该操作直到种群规模到和原来的种群规模一样。几元锦标赛就代表一次性从总体中抽取几个个体，然后从中选择最优的个体保留到下一代种群。
step1、确定每次选择的个体数量N。（二元锦标赛选择即选择2个个体）
step2、从种群中随机选择N个个体(每个个体被选择的概率相同) ，根据每个个体的适应度值，选择
其中适应度值最好的个体进入下一代种群。
step3、重复步骤(2)多次（重复次数为种群的大小），直到新的种群规模达到原来的种群规模。
优势：
1.更小的复杂度，无需对所有适应度进行排序处理
2.不易陷入局部最优点
3.易于并行化处理
n=3即三元锦标赛选择过程如下：

遗传算法中的选择操作相关推荐

matlab——遗传算法中的选择，交叉，变异等一系列问题解析(一)
遗传算法作为一种古老的进化优化算法,现在一直还在使用和优化,也间接证明了其本身所具有的价值.虽然从原理上讲,很容易理解,主要包括:(1)三个基因操作:选择,变异,交叉:(2)适应度函数对个体优劣的评估 ...
matlab遗传算法中的变异操作,遗传算法流程图?遗传算法的基本原理?遗传算法交叉和变异?简单遗传算法MATLAB实现(4)...
对上一节中的函数进行优化,设置遗传算法相关参数,程序如下 function run_ga() elitism = true;%选择精英操作 pop_size = 20;%种群大小 chromo_siz ...
遗传算法中的BLX-α交叉操作
参考文献:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.466.8506&rep=rep1&type=pdf
遗传算法(进化类算法)中的选择，交叉，变异等一系列问题解析(二)
问题1--遗传算法中适应度函数如何确定一般来说,遗传算法中的适应度函数是根据你想要得到的优化结果进行确定的.有的优化目的是要更小的适应度函数值,相反有的优化目的是要更大的适应度函数值. 这样说吧,例 ...
遗传算法中常用的选择策略
简述遗传算法(GA)是一种模拟生物进化自然选择过程的非确定性搜索方法,源于达尔文的进化论和孟德尔的遗传定律,由美国 Michigan 大学的 Holland教授在 20 世纪 70 年代首先提出.生 ...
遗传算法中的锦标赛选择
锦标赛选择:锦标赛选择方法是指每次从种群中取出一定数量个体,然后选择其中最好的一个进入子代种群,之后放回种群,即种群数量不变,再将选中的个体记录到新种群中.重复该操作,直到新的种群规模达到原来的种群规 ...
在遗传算法中出现等式约束_排序算法中的稳定性-等式的处理
在遗传算法中出现等式约束 by Onel Harrison 通过Onel Harrison 排序算法中的稳定性-等式的处理 (Stability in Sorting Algorithms - A T ...
遗传算法中适值函数的标定与大变异算法
前言本文尝试对遗传算法中不同适值函数的标定(Scaling)方法进行下总结,并针对常用的线性标定和动态线性标定进行了Python实现,以装饰器的形式添加到遗传算法框架GAFT中,这样在使用GAFT运 ...
遗传算法中常见遗传算子
遗传算法中常见遗传算子常见选择算子轮盘选择(roulette wheel selection) 随机遍历抽样(Stochastic universal sampling,SUS) 排序选择(ran ...

遗传算法中的选择操作

遗传算法中的选择操作相关推荐

最新文章

热门文章