進(jìn)化計(jì)算是人工智能(AI)的一個(gè)子領(lǐng)域，廣泛應(yīng)用于復(fù)雜優(yōu)化問題和連續(xù)優(yōu)化。進(jìn)化計(jì)算用于解決傳統(tǒng)算法無法解決的變量過多的問題。執(zhí)行進(jìn)化計(jì)算的計(jì)算機(jī)會(huì)運(yùn)行進(jìn)化算法，如遺傳算法、進(jìn)化編程、遺傳編程和蟻群優(yōu)化或粒子群優(yōu)化等群集智能模型。

使用進(jìn)化算法的計(jì)算機(jī)模型應(yīng)用進(jìn)化過程來解決復(fù)雜問題。這些進(jìn)化過程受到生物進(jìn)化理論的啟發(fā)。進(jìn)化算法使用的原則包括繼承上一代成功的算法和自然選擇，即最佳解決方案將其特性傳遞給下一代。

一、進(jìn)化計(jì)算的工作原理

進(jìn)化計(jì)算開始時(shí)，會(huì)生成一組可能的初始解決方案。通過隨機(jī)移除較弱的解決方案，并在隨后的幾代中引入微小的隨機(jī)變化，對經(jīng)過嘗試和測試的解決方案進(jìn)行改進(jìn)。經(jīng)過幾代進(jìn)化，解決方案不斷完善。最終，使用進(jìn)化計(jì)算生成的解決方案都能得到很好的優(yōu)化，即使這種方法最初并不為人所熟知。

首先，讓我們簡要介紹一下進(jìn)化算法的各個(gè)階段。然后，我們將通過一個(gè)示例問題對其進(jìn)行詳細(xì)介紹，以加深理解。

二、進(jìn)化算法由四個(gè)階段組成

初始化：可能解決方案的初始群體。這通常是隨機(jī)生成的。

選擇： 這一步模擬自然選擇過程。這是一個(gè)自然選擇過程。適應(yīng)度函數(shù)基于成員的特征，并以數(shù)值表示解決方案的可行性。從得分最高的成員中選出一個(gè)子集。

遺傳算子：產(chǎn)生下一代種群。

重組/雜交： 結(jié)合來自親代的信息，產(chǎn)生一個(gè)或多個(gè)子代。

突變： 通過輕微改變子代，將新的遺傳物質(zhì)引入下一代。

終止： 當(dāng)達(dá)到一定的性能閾值或最大運(yùn)行時(shí)間時(shí)，算法就會(huì)停止。

海馬課堂專業(yè)課程輔導(dǎo)

①3500+海外碩博導(dǎo)師,Highmark承諾導(dǎo)師真實(shí)教育背景，假一賠三!

③根據(jù)學(xué)生情況進(jìn)行1V1專屬備課，輔導(dǎo)不滿意隨心退!

②試聽課全面升級!讓留學(xué)生聽得安心!

④課程輔導(dǎo)產(chǎn)品升級贈(zèng)送，考前保障。

⑤中英雙語詳細(xì)講解課程中的考點(diǎn)、難點(diǎn)問題，提供多方位的課后輔導(dǎo)!

如果你對此還有疑問,或者有更多關(guān)于學(xué)業(yè)輔導(dǎo)方面需求的話,可以添加微信號：hmkt131聯(lián)系海馬課堂的Joye老師哦。