【精品】管理前沿

《【精品】管理前沿》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1、算法的概念算法简单的讲就是计算方法，就是把求解问题的方法程式化、规范化，它是程序的依据,程序是算法的计算机实现。2、算法的分类构造算法搜索算法启发式算法进化算法3、算法的基本组成初始条件一指定参数、初始解迭代方法一转移规则、生成新可行解的方法终止条件一最优性条件或可接受条件输出结果一最优解或可接受解4、算法的区别5、遗传算法的基本思想遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利川遗传算子（选择、交叉和变异）对这些个体进行组合，产生新一代的候选

2、解群，重复此过程，直到满足某种收敛指标为止。遗传算法本质上是对染色体模式所进行的一系列运算，即通过选择算子将当前种群中的优良模式遗传到下一代种群中，利用交叉算子进行模式亜组，利用变异算子进行模式突变。通过这些遗传操作，模式逐步向较好的方向进化，最终得到问题的最优解。6、遗传算法的步骤否J计算金体话应唐信1比例冼擇运算11♦11单五左叉运箪11♦1建太位弯异运算11——111产*嶄一伏.群体—J7、遗传算法的关键技术编码方式、产生初始种群、适应度函数、遗传算子（选择、交叉、变异）等。编码一般采用二进制或十进制编码，将问题的输入转换成二进制

3、或者十进制来表示。初始种群一般采川随机的方法产生若干个体的集合。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题木身的要求而定，适应度函数值越大表明个休越优。关于选择、交叉、变异在下血有解释。8、遗传算法的选择方法遗传算法使川选择运算来实现对群体中的个体进行优胜劣汰操作:适应度高的个体被遗传到下一代群体屮的概率大；适应度低的个体，被遗传到下一代群体屮的概率小。选择操作1、算法的概念算法简单的讲就是计算方法，就是把求解问题的方法程式化、规范化，它是程序的依据,程序是算法的计算机实现。2、算法的分类构

4、造算法搜索算法启发式算法进化算法3、算法的基本组成初始条件一指定参数、初始解迭代方法一转移规则、生成新可行解的方法终止条件一最优性条件或可接受条件输出结果一最优解或可接受解4、算法的区别5、遗传算法的基本思想遗传算法模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利川遗传算子（选择、交叉和变异）对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。遗传算法本质上是对染色体模式所进行的一系列运算，即通过选择算子将当前种群中的优良模式遗传

5、到下一代种群中，利用交叉算子进行模式亜组，利用变异算子进行模式突变。通过这些遗传操作，模式逐步向较好的方向进化，最终得到问题的最优解。6、遗传算法的步骤否J计算金体话应唐信1比例冼擇运算11♦11单五左叉运箪11♦1建太位弯异运算11——111产*嶄一伏.群体—J7、遗传算法的关键技术编码方式、产生初始种群、适应度函数、遗传算子（选择、交叉、变异）等。编码一般采用二进制或十进制编码，将问题的输入转换成二进制或者十进制来表示。初始种群一般采川随机的方法产生若干个体的集合。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它

6、的设计应结合求解问题木身的要求而定，适应度函数值越大表明个休越优。关于选择、交叉、变异在下血有解释。8、遗传算法的选择方法遗传算法使川选择运算来实现对群体中的个体进行优胜劣汰操作:适应度高的个体被遗传到下一代群体屮的概率大；适应度低的个体，被遗传到下一代群体屮的概率小。选择操作的任务就是按某种方法从父代群体中选取一些个体，遗传到下一•代群体。SGA中选择算子采川轮盘赌选择方法。伦盘赌选择乂称比例选择算子，它的皋木思想是：各个个体被选屮的概率与其适应度函数值大小成正比。设群体大小为n，个体i的适应度为Fi,则个体i被选中遗传到下一代群体的

7、概率为：i=(1)计算群体中所有个体的适应度函数值(需要解码)；(2)利用比例选择算子的公式，计算每个个体被选中遗传到下一代群体的概率；(3)采用模拟赌盘操作(即牛成0到1Z间的随机数与每个个体遗传到下一代群体的概率迹行匹配)來确定各个个体是否遗传到下一代群体中。9、遗传算法的交叉方法所谓交叉运算，是指对两个相互配对的染色体依据交叉概率Pc按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算是遗传算法区別于其他进化算法的重要特征,它在遗传算法屮起关键作川，是产生新个体的主要方法。SGA屮交叉算子采川单点交叉算子。10、遗传算法

8、的变异算法所谓变异运算，是指依据变异概率Pm将个体编码串中的某些基因值川其它基因值来替换，从而形成一个新的个体。遗传算法中的变异运算是产生新个体的辅助方法，它决定了遗传算法的局部搜索能力，同时保持种群的多样