使用遺傳算法尋找函數的最小值

Question

我正在研究遺傳算法項目。我需要使用基本遺傳算法來查找Rastrigin函數或Easom函數（對於y = 0）的最大值/最小值。

Answer 1

好的，我們來看看Easom的功能吧。

問題陳述

在尋找最小值：

F（X）= -cos（X1）COS（X2）EXP（ - （X1-PHI）^ 2 - （X2-PHI ）^ 2）

表示選擇

對於實數的示例矢量。每個元素的值的間隔是< -5; 5>。

健身

GA的主要問題。我們有例如兩個人：

Individual1： [-1 | 2.7 | -0.68 | 3.78 || -2.14 | 1.63 | -1.75 | -3.8]

Individual2： [1 | 1 | 1 | 1 || -0.5 | -0.5 | -0.5 | -0.5]

第一個人被解碼爲4.8和-6.06。他的健身功能是-9.23073 ...×10^-40。

第二個人被解碼爲4和-2。他的健身是 -4.30104456071396041116767479151655914468678005731098 ...×10^-13

而現在這個問題。健身是如此之低，所以我們可以考慮爲0。你有兩種選擇。等待戈多（也許在一代人中誕生了具有全球最低價值的占卜者）。或者你可以使用啓發式。啓發式是基於將健身分爲主要健身和次要健身兩個值。主要適應度是函數中x的值。該值始終爲0，因此開始無法搜索。次要健身有目的的啓發式搜索方式。你定義了一些函數，例如x的平均值。因此，個人1的次要適應度爲-0.63，個人2爲1.因此，個人2是「更好的」，他將有更高的選擇等概率。

次要健身只會讓您的搜索方式。
可以這樣錯嗎？是的，這是啓發式的。 重要的是，次要的功能目的是爲具有相同主要功能的個人創造偏好。當主要健身不同時，我們使用主要健身作爲定位的價值。

例子：

Individual1健身：專業：-0.1 |輕微：3

Individual2 fitness：Major：0 |輕微：8

第一個是因爲身體素質較好。