100個個體,交叉概率為0.1,並不代表交叉個體數為10個.這是乙個概率問題.
另外,交叉概率一般會取0.5-1這個範圍內,0.1未免有點小.
自適應的遺傳演算法,一般在迭代初期會有較大的交叉概率,越往迭代後期,交叉概率越小.
而變異概率則相反.
標準的交叉如下： 假設六個個體的編號為從1至6，兩兩配對共分為3對母代個體。 第1對母代個體：隨機生成乙個隨機數r，如果r<=0.6，則進行交叉。交叉點仍然是隨機產生的。如果是單點交叉就隨機產生乙個點，如果是兩點交叉就隨機產生兩個點，其他還有均勻交叉、融合交叉等。如果r>0.6，則不進行交叉，子代個體用母代個體代替。 然後繼續判斷第2對母代個體，照此方法依次進行。 一輪下來，進行交叉的個體數量大致是6*0.6=3.6個。但絕對不會是小數或奇數。
遺傳演算法中的交叉變異概率在編子函式時，應該是rand(1)產生的隨機數小於交叉率pc,或交叉率pm才能進行交叉變異操作。
因為遺傳演算法中，交叉變異操作是以一定的交叉率pc和一定的變異率pm執行的。所以首先選擇參與交叉或變異操作的個體進入到交配池，選擇過程是隨機選擇的，即滿足rand(1) 交叉概率太大的話,就失去意義了,就變成隨機演算法了；太小的話,收斂太慢.通常的做法是採用自適應的方法.
固定交叉概率：0.9-0.97之間取；
# mutate
import numpy as np
mutation_rate =0.003
child = [1,0,1,1,0,0,1,0,0,0]
for point in range(10):
if np.random.rand() < mutation_rate:
if child[point]==0:# 也可寫為 child[point] = 1 if child[point]==0 else 0
child[point] =1
else:
child[point] =0
print(child)
輸出：求解過程中需要評價的目標函式和約束條件，而不需要其他更複雜資訊。遺傳演算法具有隨機性特點，使其能避免陷入區域性最優的優勢。遺傳演算法第一步是產生一組可行的解，將其作為初始種群。演算法收斂速度、演算法的效能受初始種群影響極大，因此初始種群確定尤為重要。
定義1：隨機產生乙個個體，若該個體滿足約束條件，則該個體稱為可行個體，若該個體不滿足所有約束條件，則該個體為非可行個體；
定義2：最初可行個體的全體稱為初始種群，初始種群中個體的數量稱為種群規模；
遺傳演算法 變異操作
對於不同問題以上變異可能是較大的變異也可能是較小的變異，比如，inversion對於鄰接關係是較小的變異，而對於絕對位置和相對位置關係卻是很大的變異。乙個變異應該是具有較小的變化，這樣才能有平滑的適應度變化。1 alberto moraglio.2007.towards a geometric un...
遺傳演算法 變異演算法
遺傳演算法系列 4 變異演算法 在基因交叉之後產生的子代個體，其變數可能以很小的概率或者步長發生轉變，這個過程稱為變異 mutation 如果進化的目標函式極值是單峰值的，那麼，將變異概率p設定為種群數量n的倒數是乙個比較好的選擇。如果變異概率很大，那麼整個搜尋過程就退化為乙個隨機搜尋過程。所以，比...
遺傳演算法 交叉操作 NWOX 2006
執行步驟如下 c1,c2 是其父本 p1,p2的副本 在 1,l 上隨機選擇兩個位置a，b，假設a b figure 2 a 在子代c1種找到父代p2中a，b之間的值v2 a v2 a 1 v2 b 並用holes取代，figure 2 b 同理，c2也具有相似的步驟，在c2中找到 v1 a v1 ...