求剧情
R的极客理想——高级开发篇 · 第十一节

《R的极客理想——高级开发篇》第十一节

本节先阐述遗传算法的原理与要点:解称为个体,编码成染色体,算法随机生成初始种群,按适应度函数评价并排序,再通过选择、交配和突变产生下一代,循环至终止条件(如进化次数、资源限制……

本节先阐述遗传算法的原理与要点:解称为个体,编码成染色体,算法随机生成初始种群,按适应度函数评价并排序,再通过选择、交配和突变产生下一代,循环至终止条件(如进化次数、资源限制、找到最优值、适应度饱和或人为干预)。选择不宜只偏向高适应度者,以免早熟收敛到局部最优;交叉与变异孰更重要尚有争议;参数如个体数目、交叉率、变异率需按问题调节,适应度函数也直接影响速度和效果。遗传算法并非万能,无法解决没有适应度函数的“大海捞针”问题,可与其他算法互补。其应用涵盖自动设计、调度、电路设计、游戏、机器人学习等领域。

随后介绍R中的实现:mcga包的mcga()函数以实值变量作基因,无需编解码,参数包括种群规模、基因数、交配概率、变异概率、精英数、上下边界、迭代次数和适应度函数。示例求五变量函数最小值,结果接近理论值,仅耗时3.6秒,远快于穷举。genalg包的rbga()函数除求解外还提供可视化,输出每次迭代的最优评价值、基因选择频率直方图和变量关系图,参数含取值范围、种群数、迭代次数、变异率等;示例求二变量函数最小值,程序须在命令行运行,RStudio中会报错。

‹ 上一章目录下一章 ›

全部 27 章