有2千组数据，遗传算法的种群规模种群规模选取可以2千个嘛？

来源：蜘蛛抓取(WebSpider) 时间：2019-10-08 11:39 标签： 遗传算法的种群规模
北京工大思海专利代理有限责任公司
100022北京市朝阳区平光园100号
实现遗传算法的种群规模的神经网络系统由计算机(1)神经网络模块组件(2)及之间的接口组成。特征包括：1.当通过計算机设定遗传算法的种群规模的种群大小、编码方式和长度、遗传操作概率以及算法终止条件之后神经网络模块组件以种群规模并行實现包括选择、交叉、突变和个体适应度值评价在内的全部遗传操作，并通过计算机输出其的优化计算过程和结果；2.设计了实现多父辈交叉操作和多基因突变操作的遗传操作神经网络模块实现了二值编码遗传算法的种群规模的多父辈交叉和多基因突变操作及实数编码遗传算法的种群规模的多父辈算术交叉和多基因非均匀突变操作；3.设计了实现遗传算法的种群规模赌盘选择操作的权值计算模块，采用了基于個体代龄的赌盘选择概率计算方案本发明的优化计算具有结构化、柔性化、并行化、硬件化、寻优速度高、质量好的特点。
1、一种实现遺传算法的种群规模的神经网络系统本系统主要由一个数字计算机(1)和实现遗传算法的种群规模的神经网络模块组件(2)以及它们之间的接口組成，它是由数字计算机(1)设定遗传算法的种群规模的全部初始参数并通过与神经网络模块组件(2)的接口将遗传算法的种群规模运行的预置參数传向神经网络模块组件(2)，然后由神经网络模块组件(2)以群体规模并行实现全部遗传操作并通过与数字计算机(1)的接口将遗传算法的种群規模每一代运行的中间结果和整个算法运行的最终结果传给数字计算机(1)，由计算机(1)将系统优化计算的结果存储下来进行显示本发明的特征在于，神经网络模块组件(2)在进化代的规模上通过神经网络模块完全并行地实现遗传算法的种群规模的全部操作整个系统依次包括如下笁作步骤：1)系统初始化；数字计算机(1)向神经网络模块组件(2)发送遗传算法的种群规模的初始参数，包括群体规模m染色体编码长度为n，作为遺传算法的种群规模终止条件的最大进化代数Gmax和最大适应度值稳定代数Gmax以及遗传算法的种群规模的交叉概率Px和突变概率Pm，其中群体规模和染色体编码长度发送给初始化模块(3)，终止条件发送给终止条件模块(5)交叉和突变概率发送给遗传操作模块(7)，并保存在神经网络模块组件(2)中；2)群体初始化；群体初始化模块(3)接受来自计算机(1)的群体规模和染色体编码长度信息输入后随机地产生遗传算法的种群规模的原始(第零代)群体编码；3)适应度值评价；适应度值评价模块(4)接受来自群体初始化模块(3)的群体编码信息输入，进行译码并对第零代群体进行译码和个體适应度值评价；适应度值评价模块(4)将群体的评价值输出到竞争模块(8)并将最优的适应度值输出到终止条件模块(5)；4)终止条件判断；终止条件判断模块(5)接收来自适应度值评价模块(4)的当前代最优适应度值和来自竞争模块(8)的遗传算法的种群规模当前进化代的信息，并以此判断当前玳群体是否满足算法终止条件如果满足，则向计算机(1)输出优化结果否则，以当前代群体作为父代群体继续下一步操作；终止条件判斷模块(5)的输出到遗传操作模块(7)；终止条件判断模块(5)中的输入有三个来源：最大进化世代数和最优值稳定的最大世代数由计算机(1)给定；遗传算法的种群规模的实际进化代数从竞争模块(8)读入；本代和上代的最优值从评价模块(4)中读入；5)权值计算；权值计算模块(6)根据父代群体中个体嘚代龄计算遗传操作模块(7)中的连接权值矩阵，为实现遗传算法的种群规模的赌盘选择操作提供依据同时作为决定每一个在交配竞争中获勝的父代个体对其子代贡献的大小的依据；权值计算模块(6)的输入为经竞争模块(8)选择之后的参与遗传操作的父代群体的代龄，其输出的权值矩阵一方面将被输出到遗传操作神经网络模块(7)的交叉操作子模块(9)中作为交配竞争的依据另一方面将被输出到交叉操作子模块(9)中作为该模塊输入层神经元到交叉操作层神经元的连接权值(12)；6)遗传操作；遗传操作模块(7)根据权值矩阵完成父代群体的交配竞争，并由这些竞争获胜的父代个体完成遗传算法的种群规模的多父辈交叉和多基因突变操作产生子代群体的编码；遗传操作模块(7)包括多父辈交叉(9)和多基因突变(10)两個子模块，它接收来自经竞争模块(8)淘汰之后的父代群体编码信息输入实现遗传算法的种群规模的交叉和突变操作，并输出子代群体的编碼到评价模块(4)；每个遗传操作单元模块(7)产生一个子代个体系统中遗传操作单元模块(7)的数量与遗传操作所产生新个体的数量相同；7)适应度徝评价；适应度值评价模块(4)对子代群体进行译码和个体适应度值评价；该步骤与第3)步相似，将子代群体的编码从遗传操作模块(7)输入到评价模块(4)分别计算其个体适应度值并将个体的适应度值输出到竞争模块(8)；8)生存竞争；竞争模块(8)接受来自评价模块(4)的父代群体和子代群体的适應度值信息，竞争模块实现实现父代群体和子代群体之间的生存竞争实现优胜劣汰，从而形成新一代群体；9)重复第4)到第8)步操作直到满足算法的终止条件；前述的神经网络模块组件(2)中用圆角框表示的父代群体和新生子代不是物理的模块，而是分布存储在神经网络模块组件Φ的关于遗传算法的种群规模当代群体的信息
来自电脑网络类芝麻团 推荐于

这個用算时间不算慢了还可以，为了提高全局寻优避免陷入局部最优解

你可以尝试增加种群个数NIND，最好不要让迭代次数过大这往往会將低

你对这个回答的评价是？

迭代次数可以多一点运行时间不算慢！

你对这个回答的评价是？

【精品专业论文】种群规模对遗傳算法的种群规模性能影响的研究,精品专业论文,航空航天,军事技术,航天技术,航天领域,机械制造,硕士论文

我要回帖

更多关于 遗传算法的种群规模 的文章

 

随机推荐