『壹』 遺傳演算法實踐當中真的能用嗎
找注冊信息不適合用遺傳演算法,我覺得憑日常經驗寫一個函數判斷信息的相似程度就可以了。判斷相似可以用神經網路演算法,但不能用遺傳
現實中01背包問題和旅行商問題最好的演算法就是遺傳演算法,一些集成電路內部的布線就是用遺傳演算法設計的
『貳』 為什麼圖像識別都用卷積神經網路不能使用遺傳演算法來做圖像識別嗎
目前能用的圖像識別演算法中,卷積神經網路效果最好。
『叄』 沒有確切的目標函數,能用遺傳演算法嗎
可以先擬合曲線 出方程 之後再用
『肆』 為什麼我的matlab遺傳演算法ranking函數還是不能用呢
這個需要安裝matlab遺傳演算法包,可以下載英國設菲爾德大學的遺傳演算法工具箱,其實就是一些.M文件,將其放置在硬碟上的某個位置;在matlab中設置路徑,將路徑添加進去;其中就有這個函數的功能……
『伍』 遺傳演算法的應用
由於遺傳演算法的整體搜索策略和優化搜索方法在計算時不依賴於梯度信息或其它輔助知識,而只需要影響搜索方向的目標函數和相應的適應度函數,所以遺傳演算法提供了一種求解復雜系統問題的通用框架,它不依賴於問題的具體領域,對問題的種類有很強的魯棒性,所以廣泛應用於許多科學,下面我們將介紹遺傳演算法的一些主要應用領域: 隨著問題規模的增大,組合優化問題的搜索空間也急劇增大,有時在目前的計算上用枚舉法很難求出最優解。對這類復雜的問題,人們已經意識到應把主要精力放在尋求滿意解上,而遺傳演算法是尋求這種滿意解的最佳工具之一。實踐證明,遺傳演算法對於組合優化中的NP問題非常有效。例如遺傳演算法已經在求解旅行商問題、 背包問題、裝箱問題、圖形劃分問題等方面得到成功的應用。
此外,GA也在生產調度問題、自動控制、機器人學、圖象處理、人工生命、遺傳編碼和機器學習等方面獲得了廣泛的運用。 車間調度問題是一個典型的NP-Hard問題,遺傳演算法作為一種經典的智能演算法廣泛用於車間調度中,很多學者都致力於用遺傳演算法解決車間調度問題,現今也取得了十分豐碩的成果。從最初的傳統車間調度(JSP)問題到柔性作業車間調度問題(FJSP),遺傳演算法都有優異的表現,在很多算例中都得到了最優或近優解。
『陸』 遺傳演算法可以用來求 優化函數方程 嗎
不能,遺傳演算法只能接觸近似解。連復雜度都沒法表示,不能求解最有解。
『柒』 為什麼在多目標優化時選擇遺傳演算法,而不用其他演算法
會說不可以用其他演算法了,遺傳演算法最精華就在於fitness,要是多目標優化也是把多個目標融合在一起 變成一個目標 然後再結合實際目標意義(越大越優,越小越優)進行計算fitness。至於優點,在大多數智能搜索演算法裡面,遺傳演算法的全局最優概率最大!
『捌』 我的matlab里的有關遺傳演算法的函數怎麼都不能用啊比如ranking函數在help中根本找不到。
我是matlab7.1也沒有你說的函數,我的遺傳演算法是ga函數,你可以看一下!
我的Q382101365
『玖』 謝菲爾德大學遺傳演算法工具箱 為什麼用不了
可能的原因是:1.gatbx工具箱下的crtbp函數的文件名為CRTBP.M,大小寫不統一所以出現了warning,需要把把它改為小寫的crtbp.m;2.gatbx屬於第三方工具箱,MATLAB自身對它是沒有說明的,所以搜不到這些
遺傳演算法
的指令。
『拾』 什麼叫遺傳演算法,遺傳演算法有什麼用希望通俗一點兒
首先有個很神奇的現象:人類以及動物的進化都是朝著好的方向發展,雖然有的往壞的方向發展了,但是總體肯定是往好的方向發展。這看似不奇怪,但是我們知道,人類的基因組合是隨機的,沒有上帝約束。這種隨機過程的結果卻是一致的!!!!!我們的遺傳演算法就是從這里得到啟發!比如我要求y=x1+x2的最大值,兩個變數,我不用傳統的數學方法,就用幼兒園的方法,把所有可能取值帶進去算,然後找出最大的就行了!但是,有時候取值是連續的,沒關系!使其離散化,就像把模擬信號化成數字信號一樣!還有個問題,如果取值太多咋辦?這就是遺傳演算法的精髓!
首先,我不用取所有可能取值,我只取幾十個或者幾百個(自己定),然後進行處理,怎樣處理呢?讓我們回到剛開始的人類進化問題,雖然沒有上帝的幫忙,但是我們知道,自然界遵循優勝劣汰的發賊,遵循交叉變異的法則,雖然不能數字化,但是這是個趨勢!我們就是把這種法則數學化!所取的幾十個值我要剩下哪些?要拋棄哪些?要處理哪些?這都要我們自己選擇,肯定是選擇最合適的取值留下,經過一系列的處理,就生成了新的群體,然後再處理,自己約定處理到第幾次就可以了,取出現過的最大值
不用擔心取到的是不是最大值,因為數學上已經有了證明,這種方法是收斂的,概率是1,所以盡管放心的做,具體的做法要參考相關書籍,不難的。
遺傳演算法的最大用處就是解決數學理論不能解決的問題!比如路徑規劃,調度問題……