evolutionary-algorithm

    0熱度

    1回答

    我有一個遺傳算法,目前正在使用輪盤選擇來產生一個新的羣體,我想將其改爲隨機通用採樣。 我有事情將如何在這裏工作的一個大致的輪廓: pointerDistance = sumFitness/popSize start = rand.uniform(0, pointerDistance) for i in xrange(popSize): pointers.append(start +

    0熱度

    1回答

    問題: 我有n個不同的元素。有幾個類別可以將每個元素 分配到其中。每個元素可以被分配到一個或多個類別。然後可以對每個元素或組單獨評估這些分配的性能。可以爲每個元素或元素組計算性能分數。 問題: 對於n和m非常大的值(其中n> m和n和m的順序),有效解決(最大化單個元素的分數總和) 10^5)?作爲一個側面問題,組合優化問題是否會減少這個特殊問題? 使用遺傳算法似乎有點偏離。製作染色體的羣體,每一

    0熱度

    1回答

    我是鐘錶匠框架的新手,有興趣爲tsp構建一個最基本的遺傳算法解算器,以瞭解其如何工作和進一步探索。我已經有了一個城市的距離矩陣,其中每個元素都是行列索引城市與列索引城市之間的距離(對角線元素將爲零,因爲它將是相同城市之間的距離)。我想產生幾百初始種羣,計算適應度函數,取兩個能產生適應度函數的最佳分鐘,生孩子等。(基本程序) 我的問題是, 我的距離矩陣是否足以作爲初始人口進食?它的格式是否正確? 哪

    0熱度

    1回答

    在遺傳算法中,對染色體進行編碼是否合適,使得某些位比同一染色體中的其他位更重要?例如,(索引%2 == 0)/(2,4,6,...)位比(索引%2!= 0)/(1,3,5,...)位更重要。例如,如果位2的值在[1,5]範圍內,我們考慮位3的值,並且如果位2的值爲0,則位3的值不起作用。 例如,如果問題是我們有一所學校提供多門課程,我們想知道下一學期應該提供哪門課程,哪門課程不應該開設,如果應該開

    0熱度

    1回答

    我是一個noob在這方面仍然試圖完全理解進化算法是如何工作的。我的問題是這樣的:「我想要的所有世代都被創建並且循環完成(停止後固定數量的世代)我如何選擇最後一代的最終組合???「

    1熱度

    2回答

    我正在編寫一個程序,它可以顯着減少使用哈希函數(如'key mod table_size')時發生的衝突次數。爲此,我想使用遺傳編程/算法。但我對此不甚瞭解。即使在閱讀了很多文章和例子之後,我不知道在我的情況下(如在程序定義中)什麼是適應度函數,目標(目標通常是要求的結果),作爲人口/個人和父母的情況會是什麼,等 請幫助我確定上述和幾個代碼/僞代碼片段,如果可能的話,因爲這是我的項目。它不需要使用

    0熱度

    1回答

    我正在使用合作式協同進化來解決一些函數優化問題,並且遇到問題。 的功能取N個參數,其中,每個參數是一個數字,並且所有的功能最小化當所述N個參數的每一個是0。 用於協同進化使用「個體」的我的表示是一個二進制字符串,所以我可以執行位翻轉突變(這是必要的我保持這種表示)。 由於函數在參數爲零時收斂,當然-1非常接近。但是,在32位二進制表示中,-1是一個32 1的字符串,其中0是一個32 0的字符串。我

    0熱度

    1回答

    我正在編寫一些東西來模擬進化,但有一個方程被測試來找到算法的數字。基本上它是,它創造GENERATIONOrganisms,其中有DNABITSint秒,它執行 ((dna[0] & i)/i) + ((dna[1] & i)/i)... ,然後進行比較,要真正digitsum,和隊友的兩種生物具有最小差異。不過由於某種原因,一代​​人的平均差異開始在486,000/487,000附近,然後有

    1熱度

    1回答

    我正在研究一個演化算法框架,但是當涉及排序選擇內使用的隨機選擇方法時,我遇到了一些困惑:我是否應該使用輪盤選擇中使用的相同方法(即獨立選擇每個解決方案),還是應該使用隨機通用採樣中使用的相同方法(即同時選擇所有解決方案)。我知道後者可能會更好,但如果這不是標準做法,我不想這樣實施。 在此先感謝!

    4熱度

    2回答

    我想生成位於n維圓環表面的隨機點。我已經發現瞭如何生成3-dimensional torus的表面上的點式: x = (c + a * cos(v)) * cos(u) y = (c + a * cos(v)) * sin(u) z = a * sin(v) U,V∈[0,2 * PI); c,a> 0. 我現在的問題是:如何將這個公式擴展到n維。任何關於此事的幫助將不勝感激。