标签: evolutionary-algorithm

模式究竟如何帮助遗传算法获得最优解？模式意味着模板是否意味着人口中的每个人都具有相同的模式？

我有我使用遗传算法运行的实验数据，并试图在论文中展示它。什么是表示遗传算法结果的好/经典方法。我正在考虑做一个散点图，代表他们几代人的最大拟合个体。这是结果的一个很好的表示吗？

我目前正在使用Pyevolve包解决一些遗传算法问题.我想知道是否有任何在Pyevolve包中使用Pareto排名的例子,因为我有多个评估函数.

如果不存在,你能不能提供一些Pareto排名算法的伪代码.我想自己实现它.

谢谢!!

1. 进化算法使用适应度函数来选择跨代的生存候选者("适者生存").我相信所有适应度函数都假设候选者的值越接近期望值,它们的输入("关键点")必须越接近所需的输入.

2. 加密散列函数具有"生成具有给定散列的消息不可行"的属性.我理解这意味着值的"接近度"与键的"接近度"之间几乎没有相关性.

将这两者放在一起,并不意味着"适者生存"假设对于加密哈希函数是错误的吗？这意味着,如果您想使用进化算法来尝试找出加密哈希值的反向,那么适应度函数会将您推向错误的方向.值的"接近度"和键的"接近度"之间的相关性是进化算法的先决条件吗？

任何人都可以给出交叉概率的例子吗？我想知道确定交叉概率有什么好处,以及它在遗传算法或遗传编程中有什么影响.

我想在C中创建一个函数树,它看起来像这样:http: //scr.hu/5rq/vdja0

所以基本上我希望结果是这样的:http://scr.hu/5rq/f04uu

哪里x是我可以提供的变量(浮动).F0到F6是随机函数,它有两个参数(函数如乘法,加法或给出随机数).所以我的确切问题是:我怎么能这样做？我知道可以通过存储数组中每个函数给出的精确值来轻松完成.但是当谈到获得不同的"x"值时,它会变得复杂.我最初的想法是创建将随机函数附加到树中的每个节点的函数,但是,我不确定应该如何完成构成该树的结构,

typedef struct drzewo typ;

struct drzewo {
    typ *right;
    typ *left;
    typ *up;
    float *value; //what to do with this ?
};

我想以某种方式改变行"float*value;" 转换为可以存储函数Function1(left->value,right->value);但未运行的函数,而不是具有给定参数的函数的精确值,以及在何处Function1()或Function2()表示将两个参数分开或将它们相乘的函数.

不,这不是为了学校,是的,这是我使用遗传编程的悲惨尝试.

我有一个遗传算法，目前正在使用轮盘赌选择来生成新的种群，我想将其更改为随机通用采样。

我对这里的工作方式有一个粗略的概述：

pointerDistance = sumFitness/popSize
start = rand.uniform(0, pointerDistance)
for i in xrange(popSize):
    pointers.append(start + i*pointerDistance)
cumulativeFit = 0
newIndiv = 0
for p in pointers:
    while cumulativeFit <= p:
        cumulativeFit += pop[newIndiv].fitness
        newPop[newIndiv] = copy.deepcopy(pop[newIndiv])
        newIndiv += 1

但我正在努力解决如何准确地实现随机通用采样。有谁知道一些伪代码或示例的好来源？

用一个例子简要描述什么是随机通用采样（但我不确定它是否有意义？）：

http://en.wikipedia.org/wiki/Stochastic_universal_sampling

解释差分进化基本算法的所有更新.我无法找到此算法的所有版本.解释该算法的所有版本作为调查,我不清楚理解维基百科中给出的该算法背后的理论.维基百科也只定义差分进化的基本算法,但我想要对该算法进行所有更新